第３４卷 第１１期Ｖｏｌ．３４ Ｎｏ．１１答应英文
重庆理工大学学报（自然科学）ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０２０年１１月
Ｎｏｖ．２０２０ 收稿日期：２０１９－０８－１８犯错歌词
尿不湿排行榜基金项目：国家自然科学基金项目（６１６０１３２６，６１３７１１０８）
作者简介：刘胜，男，硕士，主要从事基于深度学习的交通标志检测与识别研究，Ｅ ｍａｉｌ：ｓｌｉｕ１２１３８＠ｈｏｔｍａｉｌ．ｃｏｍ；通讯
作者马社祥，男，博士，教授，主要从事无线通信与导航、图像处理与计算机视觉研究，Ｅ ｍａｉｌ：ｍａｓｘ＿ｔｊｕｔ＠
１２６．ｃｏｍ。ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２０．１１．０２０
本文引用格式：刘胜，马社祥，孟鑫，等．基于Ｕ Ｎｅｔ定位优化的交通标志识别网络［Ｊ］．重庆理工大学学报（自然科学），２０２０，３４（１１）：１４７
－１５５．
物理小实验Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＬＩＵＳｈｅｎｇ，ＭＡＳｈｅｘｉａｎｇ，ＭＥＮＧＸｉｎ，ｅｔａｌ．ＴｒａｆｆｉｃＳｉｇｎＲｅｃｏｇｎｉｔｉｏｎＮｅｔｗｏｒｋＢａｓｅｄｏｎＵ ＮｅｔＬｏｃａｌｉｚａｔｉｏｎＲｅｆｉｎｅｍｅｎｔＡｐｐｒｏａｃｈ
［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２０，３４（１１）：１４７－１５５．
take的用法
基于Ｕ Ｎｅｔ定位优化的交通标志识别网络
刘 胜ａ，马社祥ａ，孟 鑫ｂ，李 啸ｃ
（天津理工大学 ａ．电气电子工程学院；ｂ海运学院；ｃ．计算机科学与工程学院，天津 ３００３８４）摘 要：针对当前方法不能同时满足高精度和高速识别的需求，提出一种新型交通标志识别网络。该网络包含３部分，即检测网络、定位优化网络和分类网络。通过改进ＹＯＬＯｖ３网络
纽约大学排名
实现交通标志快速和精确检测，利用Ｕ
Ｎｅｔ网络对交通标志定位优化，选用空间变换网络完成交通标志分类任务。实验结果表明：检测网
络在ＴＴ１００Ｋ数据集和ＧＴＳＤＢ数据集上，获得平均精度均值分别为８７．５７％和９７．６６％，运行时间分别为４４．４ｍｓ和５３．０ｍｓ，达到了当前先进的交通标志检测水平；定位优化网络在ＧＴＳＤＢ数据集上，提升了分类网络的分类精度，也提高了识别网络的整体性能。
声的利用
关 键 词：交通标志检测；交通标志识别；ＹＯＬＯｖ３；定位优化；Ｕ Ｎｅｔ
中图分类号：ＴＰ３９１ 文献标识码：Ａ文章编号：１６７４－８４２５（２０２０）１１－０１４７－０９少腹逐瘀胶囊
ＴｒａｆｆｉｃＳｉｇｎＲｅｃｏｇｎｉｔｉｏｎＮｅｔｗｏｒｋＢａｓｅｄｏｎＵ Ｎｅｔ
ＬｏｃａｌｉｚａｔｉｏｎＲｅｆｉｎｅｍｅｎｔＡｐｐｒｏａｃｈ
ＬＩＵＳｈｅｎｇａ，ＭＡＳｈｅｘｉａｎｇａ，ＭＥＮＧＸｉｎｂ，ＬＩＸｉａｏ
ｃ（ａ．Ｃｏｌｌｅｇｅｏｆｅｌｅｃｔｒｉｃａｌａｎｄｅｌｅｃｔｒｏｎｉｃｅｎｇｉｎｅｅｒｉｎｇ；ｂ．ＣｏｌｌｅｇｅｏｆＴＵＴＭａｒｉｔｉｍｅ；
ｃ．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，
ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔｉａｎｊｉｎ３００３８４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｒｅａｌｉｚｅｈｉｇｈ ａｃｃｕｒａｃｙａｎｄｈｉｇｈ ｓｐｅｅｄｒｅｃｏｇｎｉｔｉｏｎａｔｔｈｅｓａｍｅｔｉｍｅ，ａｎｏｖｅｌｔｒａｆｆｉｃｓｉｇｎｒｅｃｏｇｎｉｔｉｏｎｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｐａｒｔｓ：ｄｅｔｅｃｔｉｏｎｎｅｔｗｏｒｋ，ｌｏｃａｌｉｚａｔｉｏｎｒｅｆｉｎｅｍｅｎｔｎｅｔｗｏｒｋ，ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｎｅｔｗｏｒｋ．Ｆｉｒｓｔ，ｔｒａｆｆｉｃｓｉｇｎｓｃａｎｂｅｄｅｔｅｃｔｅｄｑｕｉｃｋｌｙａｎｄａｃｃｕｒａｔｅｌｙｂｙｉｍｐｒｏｖｉｎｇＹＯＬＯｖ３ｎｅｔｗｏｒｋ．Ｔｈｅｎ，Ｕ Ｎｅｔｉｓｕｓｅｄｔｏｒｅｆｉｎｅｔｈｅｌｏｃａｔｉｏｎｏｆｔｒａｆｆｉｃｓｉｇｎｓ．Ｆｉｎａｌｌｙ，ｔｈｅＳｐａｔｉａｌＴｒａｎｓｆｏｒｍｅｒＮｅｔｗｏｒｋｉｓｕｓｅｄｔｏｃｏｍｐｌｅｔｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｓｋｏｆｔｒａｆｆｉｃｓｉｇｎｓ．ＴｈｅｄｅｔｅｃｔｉｏｎｎｅｔｗｏｒｋｉｓｅｖａｌｕａｔｅｄｏｎＴＴ１００ＫｄａｔａｓｅｔａｎｄＧＴＳＤＢｄａｔａｓｅｔ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｄｅｔｅｃｔｉｏｎｎｅｔｗｏｒｋａｃｈｉｅｖｅｓｓｔａｔｅ ｏｆ ｔｈｅ ａｒｔｐｅｒｆｏｒｍａｎｃｅｂｙｏｂｔａｉｎｉｎｇｍＡＰｏｆ８７．５７％ａｎｄ
