基于深度学习的交通标志检测识别算法研究
发布时间：2021-10-23 21:36
随着汽车的增多和道路环境的复杂化,ITS受到了很多研究者的青睐,交通标志检测和识别作为ITS中的关键问题,其实现对于整个系统的运行有着重要作用。由于道路环境日益复杂,特别是光照、天气等外界因素的影响,传统方法很难满足实际需求。针对交通标志检测与识别所面临的实际问题,结合深度学习和图像处理有关知识,开展道路交通标志检测与识别问题的研究,设计并实现了基于深度学习的交通标志检测和识别算法,并在此基础上完成了交通标志检测与识别原型系统的设计工作,相对于传统方法在检测精度和鲁棒性上有较大提升。主要研究内容有如下几个方面:对交通标志的一般分类、常用的一些数据集、解决交通标志检测和识别问题的一般思路以及学习框架Caffe进行了介绍,同时分析了深度学习的原理、激活函数以及常见的基础网络。传统交通标志检测方法存在着鲁棒能力差、计算量大、检测耗时等问题,为解决传统方法存在的不足,结合深度学习有关知识,提出了基于Faster R-CNN的交通标志检测算法。对Faster R-CNN目标检测原理进行了分析,着重分析了网络的特征提取、RPN网络以及检测网络的工作过程。对GTSDB原始数据进行预处理和扩充,有效提...
【文章来源】：桂林电子科技大学广西壮族自治区
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
AlphaGo战胜人类棋手深度学习的持续火热，使得越来越多的人加入到其研究中来，除了Hinton、LeCun、
图 1.2AlphaGo 战胜人类棋手深度学习的持续火热，使得越来越多的人加入到其研究中来，除了 Hinton、LeCun、Bengio 等著名学者外，也涌现出如 Abbeel、Goodfellow 等大量优秀研究者，他们共同致力于深度学习技术的研究，推动整个世界的发展。当下，大量的深度学习优秀文章和视频可以通过互联网直接获取，各种各样的开源代码在 Github、CSDN 等网站上公布，促进了深度学习技术的全球资源共享。与此同时，加州大学伯克利分校、普林斯顿大学、蒙特利尔理工学院、谷歌、微软、脸书、英伟达等纷纷推出各种实用化的深度学习研究框架（图 1.3），使更多的人可以接触到深度学习技术，其中 Caffe、Tensorflow、Keras 和 Pytorch 的使用人数最多，也最为流行。
False otherwise , (i, j) ThB( , ),True if bB i jFalse otherwise , ( (i, j) (i, j)) ThB( , ),True if r gG i jFalse otherwise ThB 为颜色分割阈值，其大小分别为 0.4、0.3、0测速度快，计算简单。但阈值的选取通常根据经验，以发现只有 R、G、B 成比例变化时，其对应的分的鲁棒性和泛化能力比较差。 彩色空间的交通标志检测B 三个分量易受光照影响，因此很多研究者喜欢V、YCrCb 等。HSI 中，H、S 依次代表了色调、饱度，由于其不易受光照的影响，因此使用较多。HS结构表示。
【参考文献】：
期刊论文
[1]经典聚类算法研究综述[J]. 邓林培. 科技传播. 2019(05)
[2]结合YOLO检测和语义分割的驾驶员安全带检测[J]. 吴天舒,张志佳,刘云鹏,郭婉妍,王子韬. 计算机辅助设计与图形学学报. 2019(01)
[3]基于深度学习图像语义分割的机器人环境感知[J]. 徐谦,李颖,王刚. 吉林大学学报(工学版). 2019(01)
[4]深度学习框架下数控机床运动误差溯因方法[J]. 余永维,杜柳青. 仪器仪表学报. 2019(01)
[5]基于多尺度特征融合的遥感图像场景分类[J]. 杨州,慕晓冬,王舒洋,马晨晖. 光学精密工程. 2018(12)
[6]基于CNN的木材内部CT图像缺陷辨识[J]. 陈龙现,葛浙东,罗瑞,刘传泽,刘晓平,周玉成. 林业科学. 2018(11)
[7]自动驾驶场景下小且密集的交通标志检测[J]. 葛园园,许有疆,赵帅,韩亚洪. 智能系统学报. 2018(03)
[8]地面交通控制的百年回顾和未来展望[J]. 李力,王飞跃. 自动化学报. 2018(04)
[9]基于卷积神经网络提取多尺度分层特征识别玉米杂草[J]. 王璨,武新慧,李志伟. 农业工程学报. 2018(05)
[10]深度置信网络的Spark并行化在微博情感分类中的应用研究[J]. 张翔,石力,尚勃,董丽丽. 计算机应用与软件. 2018(02)
硕士论文
[1]基于支持向量机的交通标志识别系统的研究[D]. 黄志勇.北京工业大学 2004
本文编号：3453955
【文章来源】：桂林电子科技大学广西壮族自治区
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
AlphaGo战胜人类棋手深度学习的持续火热，使得越来越多的人加入到其研究中来，除了Hinton、LeCun、
图 1.2AlphaGo 战胜人类棋手深度学习的持续火热，使得越来越多的人加入到其研究中来，除了 Hinton、LeCun、Bengio 等著名学者外，也涌现出如 Abbeel、Goodfellow 等大量优秀研究者，他们共同致力于深度学习技术的研究，推动整个世界的发展。当下，大量的深度学习优秀文章和视频可以通过互联网直接获取，各种各样的开源代码在 Github、CSDN 等网站上公布，促进了深度学习技术的全球资源共享。与此同时，加州大学伯克利分校、普林斯顿大学、蒙特利尔理工学院、谷歌、微软、脸书、英伟达等纷纷推出各种实用化的深度学习研究框架（图 1.3），使更多的人可以接触到深度学习技术，其中 Caffe、Tensorflow、Keras 和 Pytorch 的使用人数最多，也最为流行。
False otherwise , (i, j) ThB( , ),True if bB i jFalse otherwise , ( (i, j) (i, j)) ThB( , ),True if r gG i jFalse otherwise ThB 为颜色分割阈值，其大小分别为 0.4、0.3、0测速度快，计算简单。但阈值的选取通常根据经验，以发现只有 R、G、B 成比例变化时，其对应的分的鲁棒性和泛化能力比较差。 彩色空间的交通标志检测B 三个分量易受光照影响，因此很多研究者喜欢V、YCrCb 等。HSI 中，H、S 依次代表了色调、饱度，由于其不易受光照的影响，因此使用较多。HS结构表示。
【参考文献】：
期刊论文
[1]经典聚类算法研究综述[J]. 邓林培. 科技传播. 2019(05)
[2]结合YOLO检测和语义分割的驾驶员安全带检测[J]. 吴天舒,张志佳,刘云鹏,郭婉妍,王子韬. 计算机辅助设计与图形学学报. 2019(01)
[3]基于深度学习图像语义分割的机器人环境感知[J]. 徐谦,李颖,王刚. 吉林大学学报(工学版). 2019(01)
[4]深度学习框架下数控机床运动误差溯因方法[J]. 余永维,杜柳青. 仪器仪表学报. 2019(01)
[5]基于多尺度特征融合的遥感图像场景分类[J]. 杨州,慕晓冬,王舒洋,马晨晖. 光学精密工程. 2018(12)
[6]基于CNN的木材内部CT图像缺陷辨识[J]. 陈龙现,葛浙东,罗瑞,刘传泽,刘晓平,周玉成. 林业科学. 2018(11)
[7]自动驾驶场景下小且密集的交通标志检测[J]. 葛园园,许有疆,赵帅,韩亚洪. 智能系统学报. 2018(03)
[8]地面交通控制的百年回顾和未来展望[J]. 李力,王飞跃. 自动化学报. 2018(04)
[9]基于卷积神经网络提取多尺度分层特征识别玉米杂草[J]. 王璨,武新慧,李志伟. 农业工程学报. 2018(05)
[10]深度置信网络的Spark并行化在微博情感分类中的应用研究[J]. 张翔,石力,尚勃,董丽丽. 计算机应用与软件. 2018(02)
硕士论文
[1]基于支持向量机的交通标志识别系统的研究[D]. 黄志勇.北京工业大学 2004
本文编号：3453955
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3453955.html
