导读:本文包含了交通标志论文开题报告文献综述及选题提纲参考文献，主要关键词:交通标志识别,集成学习,支持向量机,卷积神经网络
交通标志论文文献综述
刘树艺,李静,胡春,王伟[1]（2019）在《基于卷积神经网络与集成学习的交通标志识别》一文中研究指出为提高复杂情况(如遮挡、透视畸变等)下交通标志识别的精度,提出一种有效的基于卷积神经网络(Convolutional Neural Network, CNN)与集成学习的交通标志识别方法。首先通过融合颜色分割、形态学处理、形状检测等多种方法分割出交通标志,然后利用卷积神经网络对其特征进行提取并分别采用支持向量机(Support Vector Machine, SVM)和Softmax多类分类器对其进行识别,最后将2种分类结果进行集成作为最终的识别结果。实验结果表明,本文算法可有效提高复杂情况下交通标志识别精度,整体上具有较高的性能。(本文来源于《计算机与现代化》期刊2019年12期）
胡秋菊,焦雄志[2]（2019）在《我市普通国省道交通标志调整工程通过竣(交)验收》一文中研究指出本报讯（ 胡秋菊 通讯员 焦雄志）11月28日，湖南省普通国省道交通标志调整工程（常德地区）通过竣（交）验收。该工程是湖南省2019年的一项重点养护专项工程，本项目建设地点为常德市境内，覆盖了14个区县（市），线路里程为1201.732Km，(本文来源于《常德日报》期刊2019-12-03）
陈静,聂梦娴[3]（2019）在《我市道路交通环境提档升级》一文中研究指出道路交通标志标线完善更新，交通组织逐步优化，机动车乱停及未礼让斑马线等不文明现象集中整治……为做好创建全国文明城市工作，进一步优化城区道路交通秩序，自创城工作开展以来，从交警、城管等管理部门到普通市民每一个人都调动起来，一段时间以来，大家都感受到道路交通(本文来源于《桂林日报》期刊2019-11-30）
周苏,支雪磊,刘懂,宁皓,蒋连新[4]（2019）在《基于卷积神经网络的小目标交通标志检测算法》一文中研究指出PVANet(performance vs accuracy network)卷积神经网络用于小目标检测的检测能力较弱.针对这一瓶颈问题,采用对PVANet网络的浅层特征提取层、深层特征提取层和HyperNet层(多层特征信息融合层)进行改进的措施,提出了一种适用于小目标物体检测的改进PVANet卷积神经网络模型,并在TT100K(Tsinghua-Tencent 100K)数据集上进行了交通标志检测算法验证实验.结果表明,所构建的卷积神经网络具有优秀的小目标物体检测能力,相应的交通标志检测算法可以实现较高的准确率.(本文来源于《同济大学学报(自然科学版)》期刊2019年11期）
龚祎垄,吴勇,陈铭峥[5]（2019）在《针对TT100K交通标志数据集的扩增策略》一文中研究指出针对TT100K交通标志数据集存在的各类别实例数严重不均衡现象,本文通过筛选出实例数大于50的类别及其相应的街景图像作为基础数据,提出一种结合图像模糊、亮度变换、标志替换等多种图像变换方法的数据扩增策略,有效合理地解决了数据量少、类别实例数不均衡等问题,为进一步交通标志检测模型的训练奠定了数据基础。(本文来源于《福建电脑》期刊2019年11期）
仲崇豪,宋斌,徐方明,杨怡均[6]（2019）在《基于TensorFlow的交通标志识别系统研究》一文中研究指出在经济快速发展、人们生活水平逐渐提高的同时,社会上行驶的车辆数目迅速增多,交通拥堵现象成为常态,并且交通事故也频频出现,对社会造成了巨大损失。基于此种形势,无人驾驶领域的智能交通系统受到很多人的关注。TensorFlow是近年来比较流行的深度学习框架,本文将基于TensorFlow实现卷积神经网络模型,并解决交通标志识别的实际应用。(本文来源于《信息与电脑(理论版)》期刊2019年22期）
王开颖,洪佳莉[7]（2019）在《百余社区片区增设七千六百车位》一文中研究指出本报讯 （王开颖 通讯员洪佳莉）为解决社区区间路、背街小巷交通秩序混乱的问题，切实打通交通“微循环”，促进城区道路通行效率提升，汕头交警部门经过深入调研论证，广泛征求各方意见并借鉴其他城市经验，积极配合街道、社区居委会等责任主体推进居住小区道路交通组(本文来源于《汕头日报》期刊2019-11-25）
卢健,陈泽民,马成贤,何金鑫[8]（2019）在《基于迁移学习的交通标志识别》一文中研究指出传统的交通标志识别方法主要基于特征提取和机器学习技术,易受外部环境干扰,特征学习和特征表达能力较弱,识别准确率低。而基于深度学习的交通标志识别,对学习数据要求较高,模型在小样本数据学习中学习效率低。针对上述问题,提出了一种基于迁移学习的交通标志识别方法。该方法首先将ImageNet数据集中训练好的Inceptionv3模型的卷积层和瓶颈层进行迁移;然后在瓶颈层后接上全链接层,从而构建出迁移学习的模型;最后利用公开数据集和公开场景的交通标志图像进行实验训练模型验证。实验结果表明,与现有主流的交通标志识别方法相比,所提方法在微量数据集下有较高的识别率,预测准确率达96%以上。(本文来源于《测控技术》期刊2019年11期）
郭志涛,雷瑶,袁金丽,史龙云[9]（2019）在《基于深度学习的交通标志识别算法研究》一文中研究指出智能交通和自动驾驶成为当下研究的热点问题,而交通标志识别是其中必不可少的一项关键性技术,当下急需一种准确、高效的交通标志识别方法。针对以上问题,文中构建了一种基于深度学习的交通标志识别模型TSR_Lenet;同时由于基于深度学习的模型在训练过程中存在收敛速度慢、容易收敛到局部最优的问题,将Momentum加速学习的优点与RMSProp抑制训练过早结束的优势相融合,使得构建模型的过程更加快速、高效。实验结果表明,所提出的基于深度学习的交通标志识模型TSR_Lenet,具有自动学习的能力和训练模型周期短的优点,并且准确性高,鲁棒性好,具有良好的泛化能力。(本文来源于《现代电子技术》期刊2019年22期）
苗丹,卢伟,高娇娇,李哲[10]（2019）在《基于聚类与Hough变换的交通标志检测方法》一文中研究指出交通标志检测是进行交通标志识别系统的关键技术,提出一种基于图像的颜色和形状进行交通标志检测的方法.首先对图像进行灰度拉伸和噪声滤出的预处理,然后利用改进的K-means聚类算法对彩色图像进行颜色分割,最后采用基于Hough变换的形状检测技术对交通标志中的特殊形状进行定位,从而实现交通标志的检测.实验结果显示,该方法在各种复杂背景条件下检测出结果的平均正确率达到93.0%,优于同条件的算法且具有较高的实时性.(本文来源于《计算机系统应用》期刊2019年11期）
交通标志论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本报讯（ 胡秋菊 通讯员 焦雄志）11月28日，湖南省普通国省道交通标志调整工程（常德地区）通过竣（交）验收。该工程是湖南省2019年的一项重点养护专项工程，本项目建设地点为常德市境内，覆盖了14个区县（市），线路里程为1201.732Km，
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通标志论文参考文献
[1].刘树艺,李静,胡春,王伟.基于卷积神经网络与集成学习的交通标志识别[J].计算机与现代化.2019
[2].胡秋菊,焦雄志.我市普通国省道交通标志调整工程通过竣(交)验收[N].常德日报.2019
[3].陈静,聂梦娴.我市道路交通环境提档升级[N].桂林日报.2019
[4].周苏,支雪磊,刘懂,宁皓,蒋连新.基于卷积神经网络的小目标交通标志检测算法[J].同济大学学报(自然科学版).2019
[5].龚祎垄,吴勇,陈铭峥.针对TT100K交通标志数据集的扩增策略[J].福建电脑.2019
[6].仲崇豪,宋斌,徐方明,杨怡均.基于TensorFlow的交通标志识别系统研究[J].信息与电脑(理论版).2019
[7].王开颖,洪佳莉.百余社区片区增设七千六百车位[N].汕头日报.2019
[8].卢健,陈泽民,马成贤,何金鑫.基于迁移学习的交通标志识别[J].测控技术.2019
[9].郭志涛,雷瑶,袁金丽,史龙云.基于深度学习的交通标志识别算法研究[J].现代电子技术.2019
[10].苗丹,卢伟,高娇娇,李哲.基于聚类与Hough变换的交通标志检测方法[J].计算机系统应用.2019