公开(公告)号：CN110321803B

公开(公告)日：2022-08-30

申请号：CN201910499090.6

申请日：2019-06-10

Applicant: 南京邮电大学

Inventor： 曹宇 ,  孔金迪 ,  张绩成 ,  陈可佳

IPC: G06V20/58 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764

Abstract: 本发明公开了一种基于SRCNN的交通标志识别方法，包括以下步骤：步骤一：对输入的交通标志图像进行图像预处理：将输入的交通标志图像的像素与处理分界点像素进行比较，对于像素小于处理分界点像素的图像，利用基于SRCNN的超分辨率重建算法将输入图像重建为处理分界点像素的图像；对于像素不小于处理分界点像素的图像，利用双线性插值算法缩小为处理分界点像素的图像；步骤二：对Lenet‑5卷积神经网络进行训练，得到Lenet‑5卷积神经网络模型；步骤三：将步骤一预处理后的交通标志图像输入步骤二得到的Lenet‑5神经网络模型进行识别，得到交通标志图像类别。本发明具有能提高低分辨率图像识别准确率且计算量小的优点。

公开(公告)号：CN110321803A

公开(公告)日：2019-10-11

申请号：CN201910499090.6

申请日：2019-06-10

Applicant: 南京邮电大学

Inventor： 曹宇 ,  孔金迪 ,  张绩成 ,  陈可佳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于SRCNN的交通标志识别方法，包括以下步骤：步骤一：对输入的交通标志图像进行图像预处理：将输入的交通标志图像的像素与处理分界点像素进行比较，对于像素小于处理分界点像素的图像，利用基于SRCNN的超分辨率重建算法将输入图像重建为处理分界点像素的图像；对于像素不小于处理分界点像素的图像，利用双线性插值算法缩小为处理分界点像素的图像；步骤二：对Lenet-5卷积神经网络进行训练，得到Lenet-5卷积神经网络模型；步骤三：将步骤一预处理后的交通标志图像输入步骤二得到的Lenet-5神经网络模型进行识别，得到交通标志图像类别。本发明具有能提高低分辨率图像识别准确率且计算量小的优点。