开题报告
1.文献综述
1.1 摘要
随着经济的迅速发展和城市化进程的加快，城市交通拥堵的情况日益严重，针对这种情况，智能交通系统和无人驾驶应运而生并且在近年迅速发展。作为其中的关键技术之一，交通标志识别成为国内外专家学者研究的重要课题。卷积神经网络(CNN)和候选区域(RP)等深度学习算法的发展为交通标志识别技术提供了突破口。但由于该算法复杂度较高，使得算法的实时性不能达到期望要求，因此本文将基于深度学习的目标检测进行交通标志识别的研究，以更为快速的YOLO算法进一步提高标志检测的速度，以适应交通标志识别的实时性要求。
关键词：交通标志识别；深度学习；YOLO
1.2 关于对交通标志识别的研究
交通标志识别是先进辅助驾驶以及无人驾驶中的关键技术。目前对于这一问题的主要研究思路是通过安装在车辆上的摄像机获取自然场景图像，进而通过图像处理与模式识别等技术对场景中的交通标志进行实时检测和识别。由于真实的道路交通环境复杂多变，现实应用又要求其保证较高的准确率和实时性，因此交通标志识别研究从理论到实际应用都具有很高的意义。
1.2.1传统的交通标志识别
传统的交通标志识别方法大体可以分为基于颜色、形状等视觉信息的识别方法以及基于特征提取和机器学习的识别方法两方面。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
