《表3 ILN-CNN与BP神经网络、SVM的对比结果》

  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

《基于改进的LeNet-5卷积神经网络交通标志的识别》

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

本文分别用BP神经网络、SVM的方法和ILN-CNN方法进行交通标志识别，实验结果见表3．由表3可知：在识别率上ILN-CNN卷积神经网络比BP神经网络提高12.206%，比SVM算法提高4.018%；在测试消耗的时间上，ILN-CNN卷积神经网络的耗时是BP神经网络的1/6，是SVM算法的1/24．与传统的SVM算法以及BP神经网络相比，ILN-CNN不但可以从数据集中提取到更有效的特征，用来提升识别精度，而且通过权值共享、局部感受野两大优点用来降低神经元的个数，减少训练参数，提高训练速度，加上高性能GPU强大的助力，大大缩短了特征提取、识别的时间，使实时监测交通标志的识别有了可能．此实验体现了ILN-CNN卷积神经网络良好的性能，可以很好地运用于交通标志识别领域．