摘要：交通标志的正确识别是智能车辆规范行驶、道路交通安全的前提;为解决智能车采集目标图像模糊、分辨率低,造成识别精度低且时效性差的问题,构建一种基于级联深度网络的交通标志识别模型,该模型级联超分辨率处理网络ESPCN与目标检测识别网络RFCN,ESPCN网络提高输入采集图像的分辨率,为低分辨率图像实现超分辨率处理,RFCN网络提取图像全局特征,实现交通标志的检测与分类识别;平衡采样及多尺度的训练策略结合数据增强的预处理方法,增强了网络模型的鲁棒性及扩展性;经实验验证,算法模型针对常见交通标志识别率达到98.16%,召回率达到96.2%,且鲁棒性较好。

简介：《计算机测量与控制》（CN：11-4762/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社