在模式識別領(lǐng)域內(nèi),目標的檢測與分類是一個十分重要的研究課題,由此延伸出來的交通標志識別任務在實際生活中,具有很高的研究價值。近些年來,智能交通系統(tǒng)（ITS）與無人駕駛技術(shù)在城市交通中的作用越來越重要。尤其是對于無人駕駛汽車,如何能夠準確地識別交通標志,對于車輛的路徑規(guī)劃與控制具有重要的引導作用。2006年,Hinton等人首次提出了深度學習（Deep Learning）的概念。直至最近幾年,深度學習已經(jīng)成功引導了人工智能的發(fā)展方向。卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）作為深度學習中一個十分重要的模型,在圖像識別領(lǐng)域,已經(jīng)取得了顯著的效果。VGGNet是在2014年提出來的一種卷積神經(jīng)網(wǎng)絡(luò),在ILSVRC2014目標檢測競賽中取得了第二名的成績。本文參照了 VGG Net的結(jié)構(gòu),并針對于具體的交通標志識別任務,設(shè)計出了一種新型的網(wǎng)絡(luò)結(jié)構(gòu),在實驗中證明了這種新型的網(wǎng)絡(luò)結(jié)構(gòu)在交通標志識別的任務中表現(xiàn)十分出色。本文的主要工作如下:（1）本文提出了一種新型的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并命名為IVGG（Improved VGG）。針對于所識別的交通標志圖像尺寸較... 

【文章來源】：長沙理工大學湖南省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

圖２．１警告標志??７??

?碩士學位論文???警告標志通過圖形符號或文字來對過往的交通目標進行警示作用，從而保障交通秩??序和行車安全，如圖２．１所示。根據(jù)我國的國家標準《道路交通標志和標線》（ＧＢ５７６８－??１９９９＾２（）１，我國的交通警告標志被設(shè)計為顏色為黃底、黑邊、黑圖案，形狀為頂角朝上的??等邊三角形。在一些歐洲國家，如德國，他們的交通警告標志被設(shè)計成白底、紅邊、黑??色圖案，形狀也是頂角朝上的等邊三角形，在本章介紹介紹德國交通標志數(shù)據(jù)集時還會??重點說明。??２．１．２指示標志??〇?？⑩馨??ｓ行?簠行和商右ｉｔ穹立交篇行和左轉(zhuǎn)考行班?玲播叭??＠?＠?＠?＠??商向左和商右轉(zhuǎn)穹?２３ＳＳ行和右轉(zhuǎn)奪行較最低強速??？?？?＿?＝？??向右ｉｔｓ?茲右進環(huán)職港?單行路商左或向右??圖２．?２指示標志??指示標志是用來給道路上的交通參與者提示規(guī)定的方向與車道。根據(jù)我國的國家標??準，指示標志的顏色為藍底、白圖案；形狀分為圓形、長方形和正方形，部分指示標志??如圖２．２所示。??２．１．３禁令標志??禁令標志的作用是對交通參與者進行一定的限制或者是禁止。禁令標志的顏色，除??個別標志外，為白底，紅圈，紅杠，黑圖案。禁令標志目前有４２種，部分禁令標志如圖??２．３所示。??８??

?第二章交通標志識別的相關(guān)技術(shù)研究???Ｏ?０?０?？??禁ｉｈ遇行?禁遇行禁止拖拉禁止＾咖車進入??ＣＳＳＳ??禁ｌｈ軟入禁ｉｔ大車被入?８止農(nóng)苗車駐入?禁ｉｆｃ竃力車進入??Ｓ?Ｓ?Ｓ?？??禁ｉｈ機動車掛入禁ｉｔ小繭客車駐入?禁止二摩托車較入禁止人力進入??圖２．３禁令標志??２．２交通標志數(shù)據(jù)集??在目標檢測領(lǐng)域，通常使用Ｐａｓｃａｌ?ＶＯＣ數(shù)據(jù)集與ＩｍａｇｅＮｅｔ提出的ＩＬＳＶＲＣ數(shù)據(jù)??集，這些數(shù)據(jù)集面向公眾可以直接拿來使用，而且會根據(jù)每年的目標檢測競賽的需求來??進行更新。在交通標志識別領(lǐng)域，各個國家的交通標志設(shè)計風格還存在比較大的差別。??研宄人員提出的算法都在各自設(shè)計的數(shù)據(jù)集進行檢測和分類的比較，這些數(shù)據(jù)集并未進??行公開，設(shè)計也可能存在一些不規(guī)范的地方，從而導致相關(guān)的研宄成果無法直接用來對??比。為了解決這一問題，神經(jīng)網(wǎng)絡(luò)國際會議（Ｉｎｔｅｒｎａｔｉｏｎａｌ?Ｊｏｉｎｔ?Ｃｏｎｆｅｒｅｎｃｅ?ｏｎ?Ｎｅｕｒａｌ??Ｎｅｔｗｏｒｋｓ，?ＩＪＣＮＮ）于?２０１１?年和?２０１３?年分別提出了?Ｇｅｒｍａｎ?Ｔｒａｆｆｉｃ?Ｓｉｇｎ?Ｒｅｃｏｇｎｉｔｉｏｎ??Ｂｅｎｃｈｍａｒｋ?（ＧＴＳＲＢ）和?Ｇｅｒｍａｎ?Ｔｒａｆｆｉｃ?Ｓｉｇｎ?Ｄｅｔｅｃｔｉｏｎ?Ｂｅｎｃｈｍａｒｋ?（ＧＴＳＤＢ），這兩個規(guī)??范標準都采集自德國的交通標志，分別用作交通標志的識別與檢測。此后，國內(nèi)外發(fā)表??的學術(shù)研宄成果都以此數(shù)據(jù)集作為對比的標準，本文的研宄也是基于ＧＴＳＲＢ數(shù)據(jù)集來??進行實驗。??ＧＴＳＲＢ數(shù)據(jù)集包含有４３個類別的交通標志，它們都屬于警告標志、指示標志和禁??令標志，一共有５１８３９張（其中


本文編號：3261992