基于 CNN 的巴基斯坦交通标志图像分类
计算机视觉与模式识别
2021-02-23 v1 人工智能
摘要
自动驾驶汽车产业是全球最大且最常规的项目之一，许多科技公司正有效设计并将其产品导向汽车安全性与精确性。这些产品在发达国家道路上的表现非常良好，但在欠发达国家可能在第一分钟便失效，因为发达国家与欠发达国家的环境存在巨大差异。以下研究提出在如巴基斯坦这类欠发达国家的环境空间中对这些人工智能模型进行训练。所提出的图像分类方法使用卷积神经网络（CNN）对模型进行图像分类。模型预训练选用德国交通标志数据集，随后在巴基斯坦数据集上微调。实验设置显示出相较先前实验的最佳结果与准确率。本工作中为提升准确率，收集了更多数据集以增加每类图像的数量。未来需要增加较少的类别数量，并进一步收集更多交通标志图像，以提升模型在巴基斯坦最常用且重要的道路——高速公路与国道——上的训练准确率，这些道路的交通标志颜色、尺寸与形状不同于常见交通标志。
引用
@article{arxiv.2102.10130,
title = {Image Classification using CNN for Traffic Signs in Pakistan},
author = {Abdul Azeem Sikander and Hamza Ali},
journal= {arXiv preprint arXiv:2102.10130},
year = {2021}
}
备注
Image classification, Convolutional Neural networks, Traffic Signs, Pakistan, CNN, Traffic Signs in Pakistan