- 0
- 0
- 约1.14万字
- 约 16页
- 2026-11-20 发布于黑龙江
- 举报
本科毕业论文
PAGE1/SECTIONPAGES1
本科毕业论文(设计)
基于卷积神经网络的交通标志图像分类方法研究
姓名:
张明宇
学号:
2021xxxxxx
专业:
计算机科学与技术
学院:
计算机科学与工程学院
指导教师:
李志刚教授
2026年6月
本科毕业论文
PAGE1/SECTIONPAGES1
摘要
交通标志识别是智能交通系统与辅助驾驶技术中的关键环节,其识别精度与实时性直接影响车辆行驶安全。传统识别方法依赖人工设计的颜色、形状与纹理特征,在光照变化、遮挡、雨雾天气以及标志倾斜等复杂场景下泛化能力不足。本文以交通标志图像分类为研究对象,围绕特征表达能力与模型轻量化两个核心问题展开研究。
本文首先梳理了卷积神经网络的基本结构与迁移学习的基本原理,构建了包含43类、约5万张图像的交通标志数据集,并针对类别分布不均衡问题采用了随机裁剪、亮度扰动与类别重采样等数据增强策略。其次,以ResNet-18为主干网络,引入通道注意力模块与多尺度特征融合结构,提升模型对小尺寸与低对比度标志的判别能力。再次,采用结构化剪枝与知识蒸馏相结合的方式对模型进行压缩,在保持精度的前提下降低参数量与推理延迟。最后,在自建测试集上完成对比实验与消融实验。
实验结果表明,本文方法在测试集上的分类准确率达到96.8%,较基线模型提升
原创力文档

文档评论(0)