-
题名基于知识蒸馏的道路交通标志识别神经网络
- 1
-
-
作者
葛怡源
于明鑫
-
机构
北京信息科技大学仪器科学与技术系
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第19期110-119,共10页
-
基金
国家自然科学基金(U21A6003)
北京信息科技大学勤信英才项目(5112111145)。
-
文摘
自然场景下的交通标志识别易受到光照、遮挡和模糊等因素的干扰,从而影响检测精度;同时现有的深度学习模型参数量多、计算复杂度较高导致模型推理时间较长。提出了一种基于知识蒸馏的神经网络架构AFE-ViT(adaptive feature extraction-vision Transformer)用于道路交通标志识别,该架构由自适应特征提取模块和轻量级ViT(vision Transformer)分类器组成,其融合了图像中局部和全局特征信息,对自然场景下的道路交通标志识别具有更好的适应性。其中,自适应特征提取模块结合了InceptionNetV1、SKNet思想和残差结构,实现了多感受野的自适应选择,并作为ViT的前置模块,有效提高了特征提取效率。选择ResNet18作为教师网络,AFE-ViT作为学生网络,采用特征级和输出级知识蒸馏方法对AFE-ViT进行蒸馏,压缩模型参数。实验结果表明,该方法的识别准确率可达98.98%,模型参数量仅为9.9×105,表现优于同类深度学习模型。
-
关键词
交通标识
知识蒸馏
自适应特征提取
-
Keywords
traffic sign identification
knowledge distillation
adaptive feature extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-