论文部分内容阅读
道路交通标志识别是汽车无人驾驶技术的重要组成部分。通过调整卷积层和池化层数据输入方式,改进具有融合特征的多尺度卷积神经网络,提高识别准确率。依据视频图像的空间连续关系构建时序空间关系模型(Temporal-Spatial Model, TSM),结合多尺度卷积神经网络减少识别数据量,提高处理的效率,实现视频图像交通标志的高效率和高准确率识别。实验结果表明,所提出的算法识别率保持90.36%,在原始图像上运行平均帧率为32fps,有效地改进了基于单帧的交通标志图像识别效率低的问题。