论文部分内容阅读
针对模板匹配法识别率低、泛化能力弱,卷积神经网络法模型复杂等问题,提出一种基于深度森林的交通标志识别方法。该方法首先采用感兴趣区域提取、尺寸归一化等图像处理方法对交通标志数据集进行预处理;然后利用多粒度滑动窗口的方式把交通标志数据切分为多实例特征向量;最后采用深度级联森林对转换后的特征进行逐层表征学习。实验结果表明,提出的方法在测试集上达到了93%的准确率,相比于随机森林法和模板匹配法,在交通标志测试集的识别率及系统泛化能力上都得到了较好的提升。