基于多示例深度学习与损失函数优化交通标志识别算法.docVIP

基于多示例深度学习与损失函数优化交通标志识别算法 　　摘 要： 为了解决当前交通标志种类繁多和所处环境多变，导致智能识别正确率不高的问题，提出基于多示例深度学习的交通标志识别算法。根据样本图像块与其对应的标签设计一个包含颜色、几何、区域特征的训练集，得到样本特征与标签的对应规律；根据权重修正反馈，推导包与标签的逻辑关系，建立多示例训练学习算子，准确分类交通标志。进行训练集损失函数计算，通过最优分类器响应减少训练数据损失。最后，基于大数据样本驱动形成背景约束，从而去除示例中模棱两可的训练数据，完成交通标志的准确识别。基于QT平台，开发相应的识别软件。实验测试结果显示，与当前交通标志识别技术相比，所提算法拥有更高的识别正确性与鲁棒性，且对各类交通标志具有较高的识别准确率，在智能汽车、自动交通监控等领域具有一定的应用价值。 　　关键词： 交通标志识别； 损失函数优化； 训练集； 多示例； 深度学习； 背景约束 　　中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）15?0133?04 　　Traffic sign recognition algorithm based on multi?instance deep learning and 　　loss function optimization 　　ZHANG