一种基于深度学习的交通标志识别算法研究

发布时间：2024-02-23 16:23

　　针对当前在真实环境中交通标志呈多尺度分布，且图像背景复杂、天气光照多变等多种因素造成识别精度低、识别速度慢等情况。提出了一种基于深度学习神经网络的交通标志识别的设计与实现。首先从公开数据集TT100K中选取出现次数最多的45类交通标志进行识别，接着对图像进行mosaic等图像增强及图像处理。然后在深度学习神经网络中的YOLOv4网络结构上进行改进，使用聚类划分需要检测的目标框尺寸和CIOU对预测结果进行优化，最后使用迁移学习对模型进行训练。通过对模型的评估发现，与现有的方法相比，该模型的识别精度更高，识别速度更快。

【文章页数】：3 页

【文章目录】：
1 概述
2 检测算法设计
    2.1 准备数据集
    2.2 数据集标注
    2.3 训练模型构建
    2.4 模型训练
    2.5 模型优化
    2.6 模型评估
3 系统实现
4 结论



本文编号：3907653