[发明专利]一种交通标志深度学习模式识别方法在审
| 申请号： | 201810329234.9 | 申请日： | 2018-04-13 |
| 公开（公告）号： | CN108710826A | 公开（公告）日： | 2018-10-26 |
| 发明（设计）人： | 张秀玲;张逞逞;周凯旋 | 申请（专利权）人： | 燕山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 秦皇岛一诚知识产权事务所(普通合伙) 13116 | 代理人： | 李合印 |
| 地址： | 066004 河北省*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种交通标志深度学习模式识别方法，包括以下步骤：对交通标志图像的测试样本与训练样本进行预处理；设计基于卷积神经网络的多尺度特征加权运算融合的残差深度学习网络，主要通过训练让网络自动提取特征以排除人工的痕迹；使用深层颜色特征训练分类器并对交通标志测试样本识别。本发明将图像特征加权运算结合多尺度卷积融合网络应用到交通模式识别技术中，显著提高了网络的训练效率，有效解决了交通标志识别方法中遇到的精度和实时性不够理想、网络结构复杂且训练时间长和稳定性和鲁棒性差等问题。训练好的网络在43类交通标志图像识别精度达到97％。 | ||
| 搜索关键词： | 交通标志 测试样本 加权运算 学习模式 网络 稳定性和鲁棒性 预处理 交通标志识别 交通模式识别 卷积神经网络 多尺度特征 训练分类器 融合网络 图像识别 图像特征 网络结构 训练效率 训练样本 颜色特征 有效解决 自动提取 多尺度 人工的 实时性 残差 卷积 图像 融合 应用 学习 | ||
【主权项】：
1.一种交通标志深度学习模式识别方法，所述方法包括以下步骤：步骤1，输入交通标志图像作为测试样本与训练样本并进行预处理；步骤2，设计卷积神经网络模型，使用样本训练网络，通过训练让网络自动提取深层颜色特征用以排除人工的痕迹；步骤3，使用深层颜色特征训练分类器识别测试样本的交通标志，进行交通标志识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于燕山大学，未经燕山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810329234.9/，转载请声明来源钻瓜专利网。
