基于卷积神经网络的交通标志识别

实际的交通场景中,交通标志图像通常会受到运动模糊、背景干扰、形状畸变等因素的影响,快速准确的识别交通标志具有相当大的难度。传统卷积神经网络在图像识别过程中,池化等操作会导致图像细节信息丢失,影响交通标志识别的准确率。针对这一问题,提出一种低压缩度特征卷积神经网络模型,通过在全连接层聚合压缩程度较低的特征图,实现对图片细节特征的表达。实验结果表明,和传统的卷积神经网络相比,该模型具有更高的识别率。