《表3 第一阶段不同位置特征重构后的识别结果》

  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

为了研究阶段特征中需要重构特征的位置，设置在同一阶段特征里，分别对不同的卷积特征进行重构，并比较重构特征之后的图像识别效果．以第一阶段特征为例，网络阶段包含5个卷积层和1个池化层，卷积核的数目为16，32，64，128，192，卷积核的大小为5×5，pooling窗口大小为2×2的尺度．表3给出经过50次迭代训练后，第一阶段不同位置卷积特征重构后对图像的识别结果，特征C1，C2，C3，C4，C5表示5个卷积层特征．当重构特征C1时，出现重构特征后的网络对交通标志识别率最低，这是由于通道权重的范围在（0，1），在网络较深反向传播优化时会在靠近输入层容易出现梯度消散的情况，导致模型难以优化，影响最终的识别效果；当重构特征C5时，网络识别交通标志效果达到最优，这是因为多层卷积后的特征包含之前卷积筛选的特征，多层卷积层是为了增加网络非线性表达能力，重构特征C5的过程相当于是对前面所有同一阶段特征不同卷积特征重构会对交通标志识别产生影响，同样的，不同阶段特征同一位置特征重构也会对图像识别任务产生影响．表4给出某一阶段的特征重构对交通标志识别准确度的影响．重构第一阶段特征后，交通标志的识别率最高达98.84%，比没有重构CNN特征的识别率提高0.35%．同样的，重构第二，第三阶段特征后，识别率也分别提高了0.2%和0.24%．这说明不同阶段特征重构会对图像识别产生影响，并且重组后的特征能在神经网络中更好地表达．表5给出多个阶段的特征重构对交通标志识别准确度的影响．对第二和第三阶段获得重构特征，图像的识别率可以达到99.14%，比CNN特征高出0.65%，远高于单个阶段特征最高识别效果提升的幅度0.35%．其中，对三个阶段的特征重构，最好识别效果可以达到99.32%．实验表明，多阶段的特征重构可以共存，并没有抑制网络特征的表达．更多的特征重构，对CNN通道特征更好地进行权重分配，分配大的权重给对识别图像贡献率大的特征，并抑制无效特征，有利于CNN识别交通标志．