基于深度神经网络的交通标志识别方法

摘要

本文针对目前交通标志识别采用卷积神经网络模型的网络参数量庞大,占用内存高、计算开销大,应用智能汽车将提升硬件成本和功耗等问题,提出基于深度可分离卷积为基础的网络模型用于对交通标志进行识别。在识别前,通过将RGB图像转化为HSV通道和YUV通道,并取对HSV中的V通道图像和YUV中的Y通道图像进行改进的直方图均衡和图像增强后进行训练,将传统模型与本文提出的网络模型进行对比。结果表明,本文提的网络模型参数量仅为对比传统网络模型的9.23%,但测试集的识别精度与传统的卷积网络获得识别精度相当,能够应用于嵌入式交通标志识别设备。