交通标志图片分类工具的设计与实现.pdfVIP

交通标志图片分类工具

的设计与实现

编辑ppt

编辑ppt

目录

•研究背景

•目的及意义

•论文纲要

•编写语言及各种算法的比照

•卷积神经网络简介

•卷积神经网络的模型构建

•交通标志分类工具的实验数据

•交通标志分类工具的实验结果

•总结

编辑ppt

研究背景

•随着经济的快速开展，交通平安成为社会重点关注的对象。用于

管理和提醒行驶车辆的交通标识符也得到了大力的开展。交通标志是

交通平安的重要工具，可以准确地将信息传递给司机和行人，并且及

时地捕捉到交通标志信息，对道路交通平安是非常重要的。然而，当

许多司机无视交通信号的情况下，会导致交通事故频发。

编辑ppt

目的及意义

•要想减少发生交通事故，那么就要及时准确地捕获交通标志信息，

因此交通标志的识别成为了智能交通系统的极为重要的一环。为了解

决交通标志识别的问题，本系统参考了基于LeNet-5的手写字识别的

模型，实现了对交通标志图片进行分类。

编辑ppt

论文纲要

•1引言

▫1.1研究的背景及意义

▫1.2交通标志分类的研究现状

▫1.3交通标志分类技术存在的缺陷

▫1.4交通标志分类系统实现

•2图像的分类技术

▫2.1卷积神经网络

2.1.1卷积神经网络的网络结构

2.1.2训练过程

2.1.3卷积神经网络的优缺点

▫2.2贝叶斯算法

▫2.3决策树算法

▫2.4SVM算法

编辑ppt

•3卷积神经网络在交通标志图片分类中的应用

•3.1卷积层和采样层的构建

•3.2全连接层的构建

•3.3逻辑回归层的构建

•3.4图像预处理

•3.5卷积神经网络实验数据

•3.6卷积神经网络实验结果

•4总结与展望

•4.1工作总结

•4.2系统的缺乏和进一步的研究

编辑ppt

编写语言及各种算法的比照

•语言：python

•算法比照：

•贝叶斯：识别率低，分类效率低；

•决策树：种类多的时候容易出错；

•SVM：识别率低，数据量大的时候训练时间长。

编辑ppt

卷积神经网络简介

[4]

•卷积神经网络是人工神经网络中的一种，同时也是语音分析和图

像识别等相关领域研究的一大热点。它的权值共享网络结构与生物神

经网络十分类似，不仅减少了权重的个数，而且能够将网络模型的复

杂程度降到最低。

编辑ppt

卷积神经网络的模型构建

•1.卷积层和采样层的构建

•卷积层的构建过程：首先输入图像，其次使用一个可以训练的滤

波器对刚刚输入的特征映像图进行卷积，然后再加偏置，最后就能得

到卷积层。

•采样层的构建过程：首先将每个特征映像图区域中的4个像素进

行求和使其变成一个像素，其次采用加权值和