针对交通标志识别的三种模型的对比与融合

在实验室环境下首先对有43个种类的交通标志数据集<The German Traffic Sign Recognition Benchmark>进行灰度化,色彩归一化去均值处理后,在保证选出的数据种类分布均衡的前提下,选出训练集中的20000张图片作为最终的训练集,选出验证集中的2000张,并对这些原本像素大小不一(15x15-250x250)的进行统一图片大小(resize)的处理,将用于测试和验证的图片均调整为像素值:224x224的大小。在原有神经网络的基础上,并辅以控制变量法的使用,对ResNet-50,VGG-16,MobileNet三种网络模型进行更改,在测试集上分别达到:95.38%,95.92%,93.46%的准确率(Accuracy)。同时,建立混淆矩阵,以机器学习中常见的评估模型所用的指标:精确率(Precision)来分析三种模型对于43个种类的不同侧重。最后根据三种模型的侧重,融合模型,在测试集上达到了:95.93%的准确率。