来源：期刊VIP网 时间：
作者：李飞;李昊;喻自烘;
单位：沈阳工业大学信息科学与工程学院;
摘要：为解决传统Vgg-16网络模型较大，模型损失率较高和准确率较低收敛速度较慢的问题，在传统Vgg-16网络基础上结合YOLO网络模型对传统VggNet进行改进，在VggNet的基础上利用全局平均池化层代替全连接层进行输出，减少了网络模型参数，并在轻量型YOLO网络的基础上增强了对小目标的识别率。首先通过调节图片光照、图像增强以及归一化处理等操作对收集到的交通标志图片进行预处理，建立完整的国内交通标志数据集后，将定位与识别分成两部分进行。利用改进的轻量型YOLO网络对图像中的目标进行定位，并利用对小目标识别准确率较高的改进后的VggNet对定位后的目标进行分类识别，并将改进过后的训练模型应用到道路交通标志的识别上。从实验结果中得出，文中所提出的网络模型对于小目标的检测比YOLO网络增加2.66%，且网络参数较传统VggNet显著降低。
关键词：卷积神经网络;;YOLO网络;;交通标志识别;;联合神经网络;;改进Vgg网络
基金资助：面向膝上截肢者融合智能下肢假肢的新型外骨骼机器人关键技术研究（61803272）
