论文部分内容阅读
现有的交通路标识别方法都是基于卷积神经网络的,随着网络层数的增加,准确率会提高,但也出现了效率降低、参数量增加等问题。为此,提出结合深度残差网络和GRU网络的改进SqueezeNet模型(SqueezeNet-IR-GRU)。该模型采用ELU函数作为激活函数,以提高学习效率;引入深度残差网络,以避免网络太深时梯度消失的情况;利用GRU神经网络能够记忆过去的重要特征来保证模型的稳定性。在CIFIR-10和GTSRB数据集上进行了实验,其识别准确率分别达到99.13%和88.25%以上。实验结果表明,S