论文部分内容阅读
为提高交通标志分类的准确率,针对交通标志样本数量不足,对数据进行了增广,利用迁移学习将卷积神经网络在大规模数据集上训练得到的参数,应用到训练交通标志分类的模型中,提出了基于迁移学习的交通标志分类方法。该方法在比利时交通标志数据集上进行了实验,采用不同的微调方法,在主流的网络模型间进行了对比分析。实验结果表明,所提出的方法对于交通标志分类的准确率较高,达到98.678%。