摘 要：交通标志的识别对于自动驾驶与智能导航具有重要意义，针对已有深度学习网络识别率不高的问题，提出一种基于ConvNeXt 网络模型的交通标志智能识别算法。该网络以纯粹的CNN 模型为特点，具有更优的图像分类及检测分割任务的性能。文中使用GTSRB 数据集进行实验，与MobileNet、ResNet 等网络进行对比测试，测试结果表明，ConvNeXt 网络收敛速度最快并且稳定，最终交通标志的识别准确率达99% 以上。实验结果表明，该算法准确率高，具有一定的工程应用意义。
关键词：ConvNeXt 网络；交通标志识别；CNN 模型
DOI:10.19850/j.cnki.2096-4706.2023.08.019
基金项目：国家级大学生创新训练项目资助（108051360022XN224）
中图分类号：TP391.4 文献标识码：A 文章编号：2096-4706（2023）08-0075-04
Traffic Sign Recognition Algorithm Based on ConvNeXt Network
LI Weijuan, QIAN Kaiqi, FU Yu, WU Chenjun, LIU Baoshan
(School of Information, North China University of Technology, Beijing 100144, China)
Abstract: Traffic sign recognition is of great significance for automatic driving and intelligent navigation, and an intelligent recognition algorithm of traffic signs based on ConvNeXt network model is proposed to solve the problem that the recognition rate of existing deep learning networks is not high. The network features a pure CNN model with better performance for image classification and detection segmentation tasks. In this paper, GTSRB data sets are used for experiments and compared with MobileNet, ResNet, and other networks. The test results show that the ConvNeXt network has the fastest convergence speed and is stable, and the final traffic sign recognition accuracy rate reaches over 99%. Experimental results show that the algorithm has high accuracy and has certain engineering application significance.
Keywords: ConvNeXt network; traffic sign recognition; CNN model
参考文献：
[1] 郭继峰，孙文博，庞志奇，等. 一种改进YOLOv4 的交通标志识别算法 [J]. 小型微型计算机系统，2022，43（7）：1471-1476.
[2] 宋青松，王兴莉，张超，等. 用于交通标志检测的窗口大小聚类残差SSD 模型 [J]. 湖南大学学报：自然科学版，2019，46（10）：133-140.
[3] CAO J W，SONG C X，PENG S L，et al. Improved Traffic Sign Detection and Recognition Algorithm for Intelligent Vehicles [J].Sensors，2019，19（18）：4021-4021.
[4] 林轶，陈琳，王国鹏，等. 改进的YOLOv3 交通标志识别算法 [J]. 科学技术与工程，2022，22（27）：12030-12037.
[5] GIRSHICK R，DONAHUE J，DARRELL T，et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation [C]//2014 IEEE Conference on Computer Vision and Pattern Recognition.Columbus：IEEE，2014：580-587.
[6] 郭朦，陈紫强，邓鑫，等. 基于YOLOv5l 和ViT 的交通标志检测识别方法 [J]. 科学技术与工程，2022，22（27）：12038-12044.
[7] 徐兢成，王丽华. 基于AlexNet 网络的交通标志识别方法[J]. 无线电工程，2022，52（3）：470-475.
[8] 张佳达，许学斌，路龙宾，等. 基于深度残差网络的交通标志识别方法研究 [J]. 计算机仿真，2022，39（1）：143-147.
[9] LIU Z ，MAO H Z，WU C Y，et al. A ConvNet for the 2020s [J/OL].arXiv:2201.03545 [cs.CV].[2022-10-02].https://arxiv.org/abs/2201.03545.
[10] 蒋博文. 基于改进ResNet 模型的图像分类方法 [J]. 现代信息科技，2022，6（12）：83-85.
[11] 陈立潮，张倩茹，曹建芳，等. 复杂场景下基于复合胶囊网络的交通标志识别 [J]. 计算机工程与设计，2021，42（9）：2627-2633.
[12] 韩建鹏，王春生，巩梨. 基于优化卷积神经网络的交通标志识别算法研究 [J]. 农业装备与车辆工程，2022，60（5）：33-38.
作者简介：李伟娟（2001—），女，汉族，山东菏泽人，本科在读，研究方向：通信工程；千凯琦（2002—），男，汉族，河南焦作人，本科在读，研究方向：通信工程。