基于联合卷积和递归神经网络的交通标志识别.pdfVIP

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，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)08-0030-04 Trafficsignrecognitionbasedonjointconvolutionaland recursiveneuralnetworks XUANSenyan，GONGXiao-jin，LIUJi-lin (DepartmentofInformationScienceandElectronicEngineering，ZhcjiangUniversity，Hangzhou310027，China) Abstract：Proposeajointconvolutionalandrecursiveneuralnetworkstructure，bringthecombinationalfeature thatreeursiveneuralnetworkscanlearnintoconvolutional neuralnetworks，thatis，theraw imageisfirstpassed throughaconvolutionalneuralnetwork stagewithfilterstrained byk-meansclustering，theresultisthenpassed throughaconvolutionalandareeursiveneuralnetworkstagesimultaneously，atlast，theobtainedfeaturevectoris classifiedbysoftmax classifier．Experimentalresultshowsthateven with weightsrandomly setforthe second convolutional andreeursiveneuralnetwork．thenetworkreachesarecognitionrateof98．28％ ．comparedtoother networkstructures，itgreatlyreducestrainingtimeandrequiresnocomplexengineeringtricks． Keywords：convolutionalneuralnetworks；recursiveneuralnetworks；k-mearlsclustering 0 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