基于深度学习的交通标志检测与识别系统
计算机视觉与模式识别
2020-03-09 v1 机器学习
图像与视频处理
摘要
随着技术的快速发展，汽车已成为我们日常生活中不可或缺的必需品。交通标志识别（TSR）系统是较为重要的研究方向之一。本文描述了一种通过迁移学习手段，在考虑各种天气、光照和能见度挑战的情况下，高效实时地检测与识别交通标志的方法。我们采用最先进的多目标检测系统（如 Faster Recurrent Convolutional Neural Networks (F-RCNN) 和 Single Shot Multi-Box Detector (SSD)）结合多种特征提取器（如 MobileNet v1、Inception v2 以及 Tiny-YOLOv2）来解决交通标志检测问题。然而，本文的重点将放在 F-RCNN Inception v2 和 Tiny YOLO v2 上，因为它们取得了最佳结果。上述模型在德国交通标志检测基准（GTSDB）数据集上进行了微调。这些模型在主机 PC、Raspberry Pi 3 Model B+ 以及 TASS PreScan 仿真上进行了测试。我们将在结论部分讨论所有模型的结果。
引用
@article{arxiv.2003.03256,
title = {Traffic Signs Detection and Recognition System using Deep Learning},
author = {Pavly Salah Zaki and Marco Magdy William and Bolis Karam Soliman and Kerolos Gamal Alexsan and Keroles Khalil and Magdy El-Moursy},
journal= {arXiv preprint arXiv:2003.03256},
year = {2020}
}
备注
7 pages, 14 figures, 10 tables