《表1 数据增强与STN网络的结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度特征重构与权重分配的交通标志识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1给出图像经过数据增强和加入STN网络后对交通标志识别的结果，对图像的变换操作来自Committee of CNNS[17]中数据增强的方法，选取平移10%，旋转15度以及缩放15%后的数据集进行实验．随着图像随机变换种类的增多，交通标志在网络识别任务中表现也会变得更好．其中，经过三种任意方式变换图像最终的识别率可以达到97.84%，这说明训练时样本的多样性对神经网络识别图像很重要．同时，加入STN网络的模型对交通标志识别的准确度可以达到98.29%，比使用数据增强的最好识别效果提升0.45%，这说明STN网络的使用可以很好的对原始的输入样本进行矫正，在网络中获得具有空间不变性特征，使其能够更好的分类交通标志．