基于深度卷积神经网络的交通标志识别方法

基于深度卷积神经网络的交通标志识别方法(中文5000字,英文PDF)
  交通标志识别(TSR)是自动驾驶系统的重要组成部分。为TSR系统设计一个高性能的分类器是一个非常具有挑战性的任务。本文提出了一种基于深度卷积神经网络的TSR系统设计方法。为了增强网络的表达能力，设计了一种将网络中的网络和剩余连接相结合的新结构(下称块层)。我们的网络有10个带参数的层(块层视为单层):前7个是交替的体积层和块层，其余3个是完全连接的层。我们在德国交通标志识别基准(GTSRB)数据集上训练我们的TSR网络。为了减少过度拟合，我们对训练图像进行数据增强，并采用正则化方法“dropout”。我们在网络中使用的激活函数采用了尺度指数线性单元(SELUs)，它可以诱导自归一化性质。为了加快训练速度，我们使用一个高效的GPU来加速卷积运算。在GTSRB的测试数据集上，我们达到了99.67%的准确率，超过了目前最先进的结果。