基于深度 Inception 卷积网络的交通标志分类
计算机视觉与模式识别
2016-07-19 v2
摘要
在这项工作中，我们提出了一种用于交通标志分类的新型深度网络，该网络在 GTSRB 上取得了超越所有先前方法的优异性能。我们的深度网络由空间变换器层和一种改进的 inception 模块组成，该模块专门设计用于同时捕获局部和全局特征。这种特征采用使得我们的网络即使在形变下也能精确分类类内样本。空间变换器层的使用使该网络对输入图像的平移、旋转、缩放等形变更加鲁棒。与那些使用手工特征、具有海量参数的多重深度网络和数据增强的现有方法不同，我们的方法解决了参数和增强爆炸的问题。我们在 GTSRB 数据集上取得了 99.81\% 的最先进性能。
引用
@article{arxiv.1511.02992,
title = {Traffic Sign Classification Using Deep Inception Based Convolutional Networks},
author = {Mrinal Haloi},
journal= {arXiv preprint arXiv:1511.02992},
year = {2016}
}
备注
modifications: Accepted version of 2016 IEEE Intelligent Vehicles Symposium (IV 2016)