摘要基于双向特征融合的交通标志识别,交通标志识别;;YOLO深度学习网络;;双向特征融合,为了进一步提高交通标志识别的检测精度,文章提出了一种改进的YOLO深度学习网络。其采用双向
基于双向特征融合的交通标志识别
基于双向特征融合的交通标志识别,交通标志识别;;YOLO深度学习网络;;双向特征融合,为了进一步提高交通标志识别的检测精度,文章提出了一种改进的YOLO深度学习网络。其采用双向
交通标志检测与识别研究
为智能交通的一个重要子系统,在辅助驾驶、智能导航、自动驾驶、交通标志维护、智慧交通等领域都具有广泛的应用。出于安全性等考虑,交通标志识别系统必
基于深度学习的交通标志检测算法研究
文档分类: 论文 -\- 毕业论文 系统标签: 交通标志 检测算法 深度 detection traffic sign 中文摘要交通标志是传达路况信息的主要载体,在规范驾驶员行为、维持
基于深度学习的交通标志检测与识别算法研究
然而,这些系统存在的主要问题是检 测精度低、检测识别响应时间长、对硬件计算性能要求高,以及系统无法对交通 标志进行分类。 1.2 国内外研究现状 1.2.1 交通标
自然场景下交通标志牌的检测与识别1
交通标志牌自动检测与识别作为智能交通技术的一个重要组成部分,得到越来越广泛的重视。. 为了提高自然场景下交通标志牌的检测与识别速度和准确度,本文进
毕业论文开题报告车辆行驶中交通标志的识别研究
别的研究很多 涉及模板匹配,神经网络,遗传算法,模拟退火等,列举如下: 1) 基于模板匹配的交通标志识别方法:利用设计好的边沿检测器提取交通标志内
交通标志检测研究现状
早期的交通标志检测识别技术有两种:一是基于颜色特征进行检测,二是基于形状特征进行检测。前者依据交通标志由红、黄、蓝等多种颜色形成的各式颜色分布和同种类交通标志大多数颜色分
基于机器视觉的交通标志检测与识别算法研究
本文以交通标志检测与识别作为主要的研究方向,从交通标志的特点入手,分析交通标志在颜色和形状上的特征、对自然条件下交通标志的检测和识别做了广泛而深入的研
交通标志识别及其目标检测深度学习算法研究
针对以上问题,本文提出利用智能算法构建交通标志识别模型。论文基于深度学习中的卷积神经网络,以德国交通标志数据集(GTSRB)和中国交通标志检测数据
交通标志识别论文阅读一
我们提出了一个新的中国交通标志检测基准,该基准在CCTSDB 2017的基础上添加了4000多幅真实交通场景图像和相应的详细注释,并用困难的样本替换了许多
基于双向特征融合的交通标志识别,交通标志识别;;YOLO深度学习网络;;双向特征融合,为了进一步提高交通标志识别的检测精度,文章提出了一种改进的YOLO深度学习网络。其采用双向
论文 -- 毕业论文 系统标签: 交通标志 识别 检测 lenet traffic gtsrb 摘要汽车行业的繁荣和人工智能技术的兴起带来了智能交通系统(IntelligentTrafficSystem,简
因此,研究准确度高、鲁棒性强、实时性好的交通标志识别算法是很有必要的。. 近年来深度学习已经广泛应用于图像与视频处理、语音与音频处理等领域,并取得
交通标志自动识别系统的研究是交叉运用心 理学、数字图像处理、模式识别、统计学习理论和机器学习技术的综合性研究课 题。. TSR主要包括两个关键技术环节:
目标检测是计算机视觉中的经典问题之一,而图神经网络是目前较热的研究方向,两者是否有一些结合的思考呢?下面给大家介绍6篇有价值的目标检测论文,希望
一站式论文服务,客服一对一跟踪服务。