面向交通标识的二值语义嵌入学习方法

TP391; 交通标识是交通基础设施的重要组成.智能交通系统中的自动驾驶车辆需要识别和理解交通标识,以确保其驾驶行为安全和遵守交通法规.目前,交通标识的识别大都采用深度神经网络方法,利用大量的训练样本对神经网络参数进行训练,获得对任务有利的特征表示,然而,海量的训练数据将带来较高的检索成本.针对以上问题,提出一种基于二值语义嵌入的大规模交通标识检索与识别方法BETS,该方法将标签信息和成对相似性信息嵌入到二值语义空间中,同时使用深度神经网络来进行哈希学习.实验结果表明,该方法可以有效提升大规模交通标识检索与识别的精度和准确性....

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 13; pp. 205 - 210
Main Authors 王少华, 刘法胜, 时柏营, 刘兴波, 聂秀山
Format Journal Article
LanguageChinese
Published 山东科技大学 电气与自动化工程学院,山东 青岛 266590%山东科技大学 电气与自动化工程学院,山东 青岛 266590%山东建筑大学 交通工程学院,济南 250101%山东建筑大学 计算机科学与技术学院,济南 250101 01.07.2023
山东建筑大学 计算机科学与技术学院,济南 250101
Subjects
二值码
交通标识图像
深度神经网络
标签信息
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2203-0276

Cover

More Information
Summary:TP391; 交通标识是交通基础设施的重要组成.智能交通系统中的自动驾驶车辆需要识别和理解交通标识,以确保其驾驶行为安全和遵守交通法规.目前,交通标识的识别大都采用深度神经网络方法,利用大量的训练样本对神经网络参数进行训练,获得对任务有利的特征表示,然而,海量的训练数据将带来较高的检索成本.针对以上问题,提出一种基于二值语义嵌入的大规模交通标识检索与识别方法BETS,该方法将标签信息和成对相似性信息嵌入到二值语义空间中,同时使用深度神经网络来进行哈希学习.实验结果表明,该方法可以有效提升大规模交通标识检索与识别的精度和准确性.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2203-0276