基于胶囊网络的新颖交通标志检测深度学习模型
计算机视觉与模式识别
2018-05-14 v1 机器学习
机器学习
摘要
卷积神经网络迄今为止是用于交通信号分类最广泛使用的深度学习算法,但由于最大池化层固有的局限性,它们无法捕捉图像的姿态、视角和朝向。本文提出了一种使用称为胶囊网络的深度学习架构进行交通标志检测的新方法,该方法在德国交通标志数据集上取得了出色的性能。胶囊网络由胶囊组成,胶囊是一组神经元,通过使用动态路由和按协议路由算法来表示对象的实例化参数(如姿态和朝向)。与先前手动特征提取、具有众多参数的多个深度神经网络的方法不同,我们的方法消除了人工操作,并对空间变化具有鲁棒性。CNN 容易被各种对抗攻击欺骗,而胶囊网络可以克服入侵者的此类攻击,并为自动驾驶车辆的交通标志检测提供更高的可靠性。胶囊网络在德国交通标志识别基准数据集 (GTSRB) 上达到了 97.6% 的 SOTA 准确率。
引用
@article{arxiv.1805.04424,
title = {Novel Deep Learning Model for Traffic Sign Detection Using Capsule Networks},
author = {Amara Dinesh Kumar},
journal= {arXiv preprint arXiv:1805.04424},
year = {2018}
}
备注
5 pages,3 figures