交通标志检测与识别及模式分类技术解析
1. 交通标志检测与识别中的卷积神经网络
在交通标志分类领域,卷积神经网络(ConvNets)得到了广泛应用。在德国交通标志识别基准(GTSRB)竞赛中,Ciresan 等人(2012)设计的 ConvNets 集成表现出色,正确分类了 99.46% 的测试图像,超越人类表现并赢得竞赛。Sermanet 和 Lecun(2011)的 ConvNet 则以 98.97% 的准确率获得第二名,与第三名(准确率 97.88%)有显著差距。
| 方法 | 准确率 | 参数数量 | 激活函数 |
|---|---|---|---|
| Ciresan 等人(2012) | 99.46% | 每个网络 1,543,443(25 个网络集成) | 双曲激活函数 |
| Sermanet 和 Lecun(2011) | 98.97% | 1,437,791 | 修正 Sigmoid |
然而,这两种方法都存在算术运算量高的问题,它们使用了计算量较大的激活函数。为缓解这些问题,Jin 等人(2014)提出了一种新架构,包含 1,162,284 个参数,采用修正线性单元(ReLU)激活,并在每个激活层后添加局部响应归一化层。他们构建了 20 个 ConvN