[发明专利]基于参数压缩的卷积神经网络交通标志识别方法

摘要

本发明公开了基于参数压缩的卷积神经网络交通标志识别方法，具体步骤如下（1）获取原始交通标志数据；（2）通过数据增强方法扩充收集到的原始数据；（3）对图像进行预处理；（4）构建卷积神经网络和初始化网络，并将预处理后的图像送入网络进行有监督训练，得到具有交通标志识别功能的网络。本发明通过采用多层小卷积核代替单层大卷积核和单通道取均值代替第一个全连接层两种方法，解决了卷积神经网络参数过大的问题，在不降低网络识别准确率的前提条件下有效减小了网络占用的内存空间，同时有效防止网络过拟合现象的发生。

主权项

基于参数压缩的卷积神经网络交通标志识别方法，其特征在于，包括如下步骤：步骤1，获取四种类型的原始交通标志图像，包括限速标志、禁止停车标志、前方有学校标志、红绿灯标志；步骤2，利用数据增强方法扩充步骤1获取的四种类型的原始交通标志图像；步骤3，对扩充后的图像进行预处理；步骤4，构建卷积神经网络，并对卷积神经网络进行初始化，将预处理后的图像送入卷积神经网络进行有监督训练，得到具有交通标志识别功能的卷积神经网络，利用具有交通标志识别功能的卷积神经网络对交通标志进行识别；所述卷积神经网络包括卷积层、单通道取均值层、全连接层和分类器；其中卷积层包括第一卷积层、第二卷积层、第一下采样层、第三卷积层、第四卷积层、第二下采样层、第五卷积层、第六卷积层、第七卷积层、第八卷积层以及第三下采样层。