《表1 数据增强与STN网络的结果》
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.
图表编号 | XD0096853000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 朱军、侯振杰、陈树越、苏海明 |
绘制单位 | 常州大学信息科学与工程学院、常州大学信息科学与工程学院、常州大学信息科学与工程学院、常州大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |