基于LeNet-5卷积神经网络和颜色特征的限速标志识别

限速标志识别是智能驾驶的重要组成部分,文中分析了现有方法存在的问题,为了提高神经网络在中国限速标志上的泛用性和准确率,针对限速标志的检测部分,提出了一种基于颜色空间的新型筛选方法;针对限速标志的识别部分,在现有LeNet-5架构的基础上对神经网络进行了改进,并将德国交通标志数据集(GTSRB)和清华交通标志数据集(TT100K)中限速标志数据融合,经过数据扩增后制作成新的数据集送入神经网络来训练模型。通过多次超参数优化,采用swish激活函数,在测试集上得到的最优识别准确率为99.62%,且模型抗干扰能力强,具有较强的实用性能。