论文部分内容阅读
针对交通标志采集过程中由于角度、方向、位置等不同而造成的识别误差问题,提出一种基于胶囊神经网络的交通标志识别算法。采用图像均衡化、最大稳定极值区域分割、归一化等方法预处理图像,并分割图像感兴趣区域(ROI),同时引入胶囊神经网络(CapsNet),采用卷积层提取底层特征,通过主胶囊层张量向量化,动态路由聚类和反向传播,实现模型训练,根据训练好的模型权重参数和动态路由聚类实现图像的分类。仿真结果表明:该方法在训练阶段具有较快的训练速度,在识别阶段可有效提高弱光照图片的查全率,提高交通标志的识别率。