弱监督下基于SSD模型的低照度交通图像分类识别  

Classification and Recognition of Low Illumination Traffic Images Based on SSD Model Under Weak Supervision

作　　者：董庆伟[1] DONG Qingwei

机构地区：[1]闽南理工学院信息管理学院,福建石狮362700

出　　处：《北部湾大学学报》2022年第4期37-42,共6页Journal of BeiBu Gulf University

基　　金：福建省本科高校重大教育教学改革研究项目(FBJG20170333)。

摘　　要：针对现有交通标识图像分类算法存在的分类识别准确率低、低照度环境适用性差等问题,设计了一种优化SSD(single shot multibox detector)模型,以改善低照度、弱监督条件下的图像分类识别性能。SSD模型在原始神经网络结构中增加了可变卷积层,提高了图像的匹配精度;模型采用了多任务损失函数提升图像分类置信度,为进一步优化SSD模型的性能,在选择窗口时以窗口比例为基准,生成具有不同规格的预选框,降低目标图像与真实图像的分类识别误差,并利用优化自适应阈值法提高交通标识图像的清晰度,以改善最终图像分类识别的准确率。实验结果显示,在测试集和训练集中,优化SSD模型均能得到较高的图像分类识别准确率,收敛速度更快且效率更高。

关 键 词：弱监督 低照度 优化SSD模型 交通图像 自适应阈值分割 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]