基于联合卷积和递归神经网络的交通标志识别.pdf

《基于联合卷积和递归神经网络的交通标志识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、30传感器与微系统(TransducerandMicrosystemTechnologies)2014年第33卷第8期DOI：10．13873／J．1000-9787(2014)08-0030-04基于联合卷积和递归神经网络的交通标志识别宣森炎，龚小谨，刘济林(浙江大学信息科学与电子工程学系，浙江杭州310027)摘要：提出了一种联合卷积和递归神经网络的深层网络结构，在卷积神经网络中引入了递归神经网络能学到的组合特征：原始图片先通过一级由k均值聚类学得滤波器的卷积神经网络，得到的结果再同时通过一级卷积和一级递归神经网络，

2、最后得到的特征向量由Sofimax分类器进行分类。实验结果表明：在第二级卷积和递归神经网络权重随机的情况下，该网络的识别率已经能够达到98．28％，跟其他网络结构相比，大大减少了训练时间，而且无需复杂的工程技巧。关键词：卷积神经网络；递归神经网络；k均值聚类中图分类号：TP391．4文献标识码：A文章编号：1000-9787(2014)08-0030-04TraficsignrecognitionbasedonjointconvolutionalandrecursiveneuralnetworksXUANSenyan，G

3、ONGXiao-jin，LIUJi-lin(DepartmentofInformationScienceandElectronicEngineering，ZhcjiangUniversity，Hangzhou310027，China)Abstract：Proposeajointconvolutionalandrecursiveneuralnetworkstructure，bringthecombinationalfeaturethatreeursiveneuralnetworkscanlearnintoconvoluti

4、onalneuralnetworks，thatis，therawimageisfirstpassedthroughaconvolutionalneuralnetworkstagewithfilterstrainedbyk-meansclustering，theresultisthenpassedthroughaconvolutionalandareeursiveneuralnetworkstagesimultaneously，atlast，theobtainedfeaturevectorisclassifiedbysof

5、tmaxclassifier．Experimentalresultshowsthatevenwithweightsrandomlysetforthesecondconvolutionalandreeursiveneuralnetwork．thenetworkreachesarecognitionrateof98．28％．comparedtoothernetworkstructures，itgreatlyreducestrainingtimeandrequiresnocomplexengineeringtricks．Key

6、words：convolutionalneuralnetworks；recursiveneuralnetworks；k-mearlsclustering0引言练图片进行不同的预处理，训练得到不同的卷积神经网络，交通标志识别是驾驶员辅助系统和无人自主车的重要测试时对各个网络的结果取平均。SermanetP等人提出组成部分，一般对识别率有很高的要求，因为误识别可能会了一个多尺度的卷积神经网络结构，最后输出的特征向量造成不可预知的后果。光照变化、移动模糊、标志褪色、天是不同层特征向量的叠加。这2种方法都取得了很高的识气等原因给

7、交通标志图像带来了极大的变化，增加了识别别率，但是需要长时间的训练、很多的计算资源和工程技的难度。巧，CiresanDan等人的网络需要用4块GPU训练37h。最近，深度学习作为一种能够自动学习图像中深层次文献[4]中提到，卷积神经网络之所以能够取得很好特征的机器学习算法得到了广泛的关注。卷积神经网络作的效果，主要是因为其网络结构本身能够提取图像的多层为深度学习的一种，在很多的物体识别任务上都取得了极次特征，最费时的全局变量优化其实对效果的提升有限，因好的成绩。德国交通标志识别基准⋯(Germantrafficsign此

8、，设计网络结构显得尤为重要。recognitionbenchmark，GTSRB)是一个在2011年国际神经本文提出了一种联合卷积和递归神经网络的网络结网络联合会议(2011InternationalJointConferenceonNeural构，递归神经网络能学到图像低层特征的组合特征，在Networks)上引入