面向交通標(biāo)志識別的卷積神經(jīng)網(wǎng)絡(luò)研究.pdf

1、交通標(biāo)志識別是未來智能交通的一個(gè)重要組成部分，是輔助駕駛和無人駕駛技術(shù)的一個(gè)重要模塊。近年來，隨著深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域取得的巨大成功，基于卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識別研究也引起了人們的密切關(guān)注。
　　本論文詳細(xì)分析了各項(xiàng)網(wǎng)絡(luò)參數(shù)對標(biāo)志識別的影響，通過可視化方法對網(wǎng)絡(luò)的工作機(jī)理進(jìn)行分析，并進(jìn)一步在上述研究基礎(chǔ)上提出了一種標(biāo)志前景提取的方法。主要開展工作如下:
　　1、網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)的選擇。通過LeNet-5與Al

2、exNet卷積神經(jīng)網(wǎng)絡(luò)在交通標(biāo)志識別問題上綜合性能的比較，選擇了LeNet-5作為后續(xù)實(shí)驗(yàn)的基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)。進(jìn)一步對LeNet-5中不同的激活函數(shù)、池化層種類、卷積核大小、卷積核個(gè)數(shù)、全連接數(shù)目、訓(xùn)練批量樣本數(shù)等進(jìn)行測試優(yōu)化。最后，考慮到算法實(shí)時(shí)性的要求，對所得最優(yōu)網(wǎng)絡(luò)進(jìn)行壓縮，在保持精度近似不變的情況下，減少了網(wǎng)絡(luò)全連接層三分之一的參數(shù)。
　　2、通過兩種可視化方法的實(shí)現(xiàn)，分析了卷積神經(jīng)網(wǎng)絡(luò)在交通標(biāo)志識別中的工作機(jī)理。方法一通過網(wǎng)

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