面向交通標志識別的卷積神經網絡研究.pdf

1、交通標志識別是未來智能交通的一個重要組成部分，是輔助駕駛和無人駕駛技術的一個重要模塊。近年來，隨著深度卷積神經網絡在計算機視覺領域取得的巨大成功，基于卷積神經網絡的交通標志識別研究也引起了人們的密切關注。
　　本論文詳細分析了各項網絡參數對標志識別的影響，通過可視化方法對網絡的工作機理進行分析，并進一步在上述研究基礎上提出了一種標志前景提取的方法。主要開展工作如下:
　　1、網絡結構和網絡參數的選擇。通過LeNet-5與Al

2、exNet卷積神經網絡在交通標志識別問題上綜合性能的比較，選擇了LeNet-5作為后續(xù)實驗的基礎網絡結構。進一步對LeNet-5中不同的激活函數、池化層種類、卷積核大小、卷積核個數、全連接數目、訓練批量樣本數等進行測試優(yōu)化。最后，考慮到算法實時性的要求，對所得最優(yōu)網絡進行壓縮，在保持精度近似不變的情況下，減少了網絡全連接層三分之一的參數。
　　2、通過兩種可視化方法的實現，分析了卷積神經網絡在交通標志識別中的工作機理。方法一通過網

3、絡各層卷積核的可視化，分析了各層神經元在特征提取中的作用。方法二分析了特定神經元對不同輸入圖像的響應分值，通過高分值圖像的顯示指出了神經元響應所具有的選擇特性。通過可視化分析加深了對網絡的理解，有利于后續(xù)交通標志識別網絡的設計。
　　3、在不使用人工標注的圖像分割和不增加原始分類網絡復雜度的條件下，基于上述研究成果提出了一種同時進行標志分類與標志前景提取的方法，并給出了初步的實驗結果。
　　綜上所述，本文以交通標志識別研究為