详情

原文传递基于改进R-FCN的交通标识检测识别研究与实现

论文题名：	基于改进R-FCN的交通标识检测识别研究与实现
关键词：	路交通标识识别;数据集;残差注意力网络;激活函数
摘要：	近几年来随着社会的高速发展及人们生活的提高，汽车逐渐普及，因此，对车辆行驶安全问题有了更高要求，道路交通标识的自动检测与识别在安全驾驶中的作用也越来越重要。基于交通标识的道路驾驶辅助系统的出现，不但能减少驾驶人员的精神压力，也能大大避免交通事故的发生。交通标识的识别就成为道路驾驶辅助系统实现过程中的关键一环，及时、准确识别汽车行驶过程中的交通标识，可以有效提醒驾驶员因疏忽或者因盲目超速等不良行为而错过的交通标识，避免发生因人为因素所导致的事故。因此，如何实现实时性好且识别精度高的识别系统成为研究重点，然而，目前的交通标识的识别技术是很难在实时性和识别精度上得到权衡，无法实现实际驾驶场景的应用。为保证实时性的前提下，对精度的追求是无止境的。因此，本文研究了基于R-FCN网络的交通标识检测与识别，针对数据集、分类网络结构、激活函数等问题进行深入研究。具体研究工作如下：　　1.构建一种基于中国实际道路的交通标识数据集(CNTSD)。研究基于中国基准的两个数据集，即清华大学创建的基于中国现实交通标志数据集(TT100k)和长沙理工大学综合交通运输大数据智能处理湖南省重点实验室张建明老师团队制作的中国交通数据集(CCTSDB)，设计新的数据集集合，全部CCTSDB数据集，部分TT100K及手机采集到的现实道路图像，组成30000多张数据图像，并通过LabelImage图像标注工具将数据集图像进行标注生成对应xml文件，用于存储图像中目标的位置信息等，便于后期训练、测试及识别。　　2.设计一种可提升识别精度的交通标识分类网络。在研究LeNet-5、VGG、ResNet及残差注意力网络优缺点的基础上，设计用于本文数据集的交通标识分类网络，为验证网络的实用性，首先采用目前流行的权威交通标识数据集，即德国基准的交通标志数据集GTSRB，用该数据集对改进的分类网络的进行预训练，得到预训练后的网络模型，通过迁移学习应用至后期的交通标识的检测与识别网络中，得到优化后的中国交通标识的检测与识别分类模型。　　3.设计一种权衡实时性与精度值的激活函数。研究激活函数ReLU、PReLU、ELU的改进策略，针对激活函数存在的梯度消失现象，神经元死亡、输出非零均值以及对于指数函数计算复杂使网络训练缓慢等问题，设计实现了一种具有ELU激活函数的所有优点且加快指数计算速度的新激活函数。为验证新激活函数的实用性，首先设计简单的分类网络对交通标识数据集进行训练及测试，检验激活函数所采用的交通标识数据集是德国交通标志数据集基准及比利时交通标志数据集基准，对比ReLU、ELU、MPELU、TReLU和新激活函数的性能，得到适合交通标识检测与识别的激活函数。　　4.完成符合本文数据集的改进R-FCN交通标识检测与识别网络模型。验证R-FCN网络模型，得到ResNet-50网络更适合交通标识的检测与识别，并将设计好的分类网络及激活函数添加至R-FCN网络，并将预训练好的网络模型以迁移的方式对改进后的R-FCN网络进行训练，得到交通标识检测与识别网络模型，并且利用网络模型对数据集进行测试，得到测试结果，通过可视化平台的方式展示出来。
作者：	谭丹
专业：	计算机技术
导师：	郑秋梅;林超
授予学位：	硕士
授予学位单位：	中国石油大学(华东)
学位年度：	2020