基于深度学习的交通标志识别研究

摘要

为了提高交通标志识别效率及准确性,在研究了深度神经网络、特征提取模基础上,设计了一种包含主干网络和辅助网络的孪生网络。孪生网络中主干网络和辅助网络使用相同的训练集。首先对主干网络进行训练,使其收敛于交通标志训练集;其次,通过知识提取帮助辅助网络进行训练,从而获得更好的交通标志识别率;最后,对辅助网络模型进行剪枝,从而降低总体网络计算成本。仿真分析结果表明,所提方法在保证一定识别率情况下,能够大幅降低网络参数。仿真结果进一步验证了所提系统的有效性。