基于尺度感知 CNN 的高效交通标志识别
计算机视觉与模式识别
2018-06-01 v1
摘要
本文提出一种交通标志识别（TSR）系统，可快速准确地识别图像中不同尺寸的交通标志。该系统由两个精心设计的卷积神经网络（CNN）组成，一个用于交通标志的区域提议，一个用于对每个区域进行分类。在提议 CNN 中，提出具有双多尺度架构的全卷积网络（FCN）以实现尺度不变检测。在训练提议网络时，采用改进的“在线难例挖掘”（OHEM）方案抑制误检。分类网络融合多尺度特征作为表示，并采用“Inception”模块以提升效率。我们通过大量实验评估所提出的 TSR 系统及其组件。我们的方法在瑞典交通标志数据集（STSD）上取得了 准确率和 召回率，高于当前最优方法。此外，我们的系统比当前最优的用于交通标志识别的深度学习网络更快、更轻量。
引用
@article{arxiv.1805.12289,
title = {Efficient Traffic-Sign Recognition with Scale-aware CNN},
author = {Yuchen Yang and Shuo Liu and Wei Ma and Qiuyuan Wang and Zheng Liu},
journal= {arXiv preprint arXiv:1805.12289},
year = {2018}
}
备注
This paper has been published on BMVC 2017