Indexed by：
Abstract：
针对交通标志在自然场景中所占的比例较小、提取的特征量不足、识别准确率低的问题,提出改进的尺度依赖池化(SDP)模型用于小尺度交通图像的识别.首先,基于神经网络深卷积层具有较好的轮廓信息与类别特征,在SDP模型只提取浅卷积层特征信息的基础上,使用深卷积层特征补足型SDP(SD-SDP)映射输出,丰富特征信息;其次,因SDP算法中的单层空间金字塔池化损失边缘信息,使用多尺度滑窗池化(MSP)将特征池化到固定维度,增强小目标的边缘信息;最后,将改进的尺度依赖池化模型应用于交通标志的识别.实验结果表明,与原SDP算法比较,提取特征量增加,小尺度交通图像的识别准确率较好地提升.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机应用
ISSN： 1001-9081
Year： 2018
Issue： 3
Volume： 38
Page： 671-676
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 5
Chinese Cited Count：
30 Days PV： 11
Affiliated Colleges：
