基于多尺度反卷积网络的本地化交通标志检测
计算机视觉与模式识别
2018-05-04 v2
摘要
在深度学习的强力推动下，自动驾驶正成为一种未来的实际生活方式。具体而言，基于深度学习的有效交通标志检测在其中起着关键作用。然而，不同国家拥有不同的交通标志集合，使得本地化交通标志识别模型训练成为一项繁琐而艰巨的任务。为解决本地化交通标志计算复杂算法耗时以及模糊与亚像素图像检测率低的问题，我们提出了多尺度反卷积网络（MDN），其灵活地将多尺度卷积神经网络与反卷积子网络相结合，从而实现高效可靠的本地化交通标志识别模型训练。结果表明，所提出的 MDN 在本地化交通标志基准（如中国交通标志数据集（CTSD）和德国交通标志基准（GTSRB））上相较于经典算法是有效的。
引用
@article{arxiv.1804.10428,
title = {Localized Traffic Sign Detection with Multi-scale Deconvolution Networks},
author = {Songwen Pei and Fuwu Tang and Yanfei Ji and Jing Fan and Zhong Ning},
journal= {arXiv preprint arXiv:1804.10428},
year = {2018}
}