文献类型：期刊文章

作　　者：沈雁[1] 王环[1,2] 戴瑜兴[1,2]

SHEN Yan;WANG Huan;DAI Yuxing(College of Electrical and Information Engineering,Hunan University,Changsha 410082,China;College of Mathematics,Physics and Electronic Information Engineering,Wenzhou University,Wenzhou,Zhejiang 325035,China)

机构地区：[1]湖南大学电气与信息工程学院,长沙410082 [2]温州大学数理与电子信息工程学院,浙江温州325035

出　　处：《计算机工程与应用》

基　　金：浙江省自然科学基金重点项目(No.LZ16E050002)

年　　份：2018

卷　　号：54

期　　号：10

起止页码：19-25

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：孪生神经网络由两组共享参数的孪生神经网络组成,可对高维度非线性的数据进行低维度映射,其在低维特征空间中变得可分。利用其优异的相似度计算性能,针对像交通标志识别这样具有复杂环境条件的分类问题,提出并设计基于孪生神经网络结构的高效分类器。采用卷积神经网络作为其基本构成,运用max-pooling,dropout等技术形成特征提取所需的多尺度卷积神经网络。同时辅助以空间变换器网络来进一步提高识别的准确率。通过对GTSRB交通标志数据集进行测试,其识别的准确率达到了99.40%。该分类器方法同时具备了结构简单、训练时间短、准确率高以及识别速度快的优点。

关 键 词：孪生神经网络  分类器 空间变换器网络  交通标志识别

分 类 号：TP391.41]