《深度特征重构与权重分配的交通标志识别算法》

技术简介：

针对目前基于深度学习的交通标志识别方法在空间不变性以及深度有效特征利用率不足等方面存在的问题,提出了一种基于特征重构与权重分配的交通标志识别算法.首先,将交通标志输入预处理空间变换网络,获得具有空间不变性的图像;然后,压缩卷积特征,提取全局特征信息,得到不同通道特征对网络识别交通标志的贡献率,多层全连接学习深度特征重要性,引入缩放参数r,减少网络参数计算,并分配深度特征权重,完成特征重构;最后,确定阶段特征中卷积特征需要重构的位置,完成3个阶段特征的重标定.在公开的德国交通标志数据集(GTSRB)上进行实验,对43类12630张交通标志测试集,识别率可达到99. 32%.

研发人员：朱军;侯振杰;陈树越;苏海明;