数字技术与应用
數字技術與應用
수자기술여응용
DIGITAL TECHNOLOGY AND APPLICATION
2013年
12期
62-63,66
,共3页
余进程%谢光汉%罗芳
餘進程%謝光漢%囉芳
여진정%사광한%라방
深度学习%MPCNN%交通标志
深度學習%MPCNN%交通標誌
심도학습%MPCNN%교통표지
选取了自然场景中的交通标志为研究对象,采集了大量实景图像作为训练样本和测试样本,采用一种新型的深度学习模型MPCNN(Max-pooling Convolutional Neural Networks)进行识别实验,实验结果表明,深度学习方法在交通标志识别上不需要任何人工特征提取模型预先提取特征,直接对原始图进行训练学习就能取得较高的识别效率。
選取瞭自然場景中的交通標誌為研究對象,採集瞭大量實景圖像作為訓練樣本和測試樣本,採用一種新型的深度學習模型MPCNN(Max-pooling Convolutional Neural Networks)進行識彆實驗,實驗結果錶明,深度學習方法在交通標誌識彆上不需要任何人工特徵提取模型預先提取特徵,直接對原始圖進行訓練學習就能取得較高的識彆效率。
선취료자연장경중적교통표지위연구대상,채집료대량실경도상작위훈련양본화측시양본,채용일충신형적심도학습모형MPCNN(Max-pooling Convolutional Neural Networks)진행식별실험,실험결과표명,심도학습방법재교통표지식별상불수요임하인공특정제취모형예선제취특정,직접대원시도진행훈련학습취능취득교고적식별효솔。