基于混合预测模型的交通标志识别方法

丁博; 王水凡

首页> 中文期刊> 《哈尔滨理工大学学报》 >基于混合预测模型的交通标志识别方法

基于混合预测模型的交通标志识别方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

cqvip:随着高级驾驶辅助系统(advanced driver assistance systems,ADAS)和无人驾驶技术快速发展,交通标志识别方法成为一个重要的研究方向。为了辅助驾驶员实现安全驾驶,减少交通事故的发生,将AdaBoost-SVM和卷积神经网络(convolutional neural network,CNN)相结合,构建一个混合预测模型(mixed forecasting model,MFM),通过该模型识别交通标志。将卷积神经网络作为可训练的特征提取器,AdaBoost-SVM作为识别器。采用卷积层和下采样层构建两组隐层结构,将预处理的图像作为CNN模型的输入,利用反向传播算法(backpropagation,BP)对CNN模型进行训练直至收敛,最后将测试集的高维特征提取出来,采用AdaBoost-SVM分类器进行分类识别。实验结果表明,该MFM对交通标志具有很高的识别率和鲁棒性,且识别率和收敛时效都优于其他传统算法,对提高辅助驾驶和无人驾驶的安全性具有重要意义。

著录项

来源
《哈尔滨理工大学学报》 |2019年第5期|108-115|共8页
作者
丁博; 王水凡;
展开▼
作者单位

哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080;

展开▼
原文格式 PDF
正文语种 chi
中图分类国际互联网;
关键词
混合预测模型; 卷积神经网络; 反向传播算法; AdaBoost-SVM分类器; 交通标志;

相似文献

中文文献
外文文献
专利

1. 基于卷积神经网络的交通标志识别方法 [J] . 申元 ,赵芸 . 浙江科技学院学报 . 2021,第001期
2. 基于深度神经网络的交通标志识别方法 [J] . 何敖东 . 电子技术与软件工程 . 2021,第014期
3. 基于多尺度卷积神经网络的道路交通标志识别方法研究 [J] . 尉天成 ,陈小锋 ,殷元亮 . 西北工业大学学报 . 2021,第4期
4. 基于胶囊网络的智能交通标志识别方法 [J] . 陈立潮 ,郑佳敏 ,曹建芳 . 计算机应用 . 2020,第004期
5. 基于轻量型卷积神经网络的交通标志识别方法 [J] . 程越 ,刘志刚 . 计算机系统应用 . 2020,第002期
6. 基于变量预测模型的模式识别方法及其在机械故障诊断中的应用 [C] . 杨宇 . 第十二届设计与制造前沿国际会议（ICFDM2016） . 2016
7. 基于混合预测模型的交通标志识别方法 [A] . 王水凡 . 2018

基于混合预测模型的交通标志识别方法

摘要

著录项

相似文献

相关主题

期刊订阅