arXiv cs.AI· Reem Abdel-Salam, Rana Mostafa, Ahmed H. Abdel-Gawad·· 3 天前AI 评分13
RIECNN：用于交通标志识别的实时图像增强 CNN
RIECNN: Real-Time Image Enhanced CNN for Traffic Sign Recognition
AI 导读
研究者提出实时图像增强 CNN（RIECNN），用于交通标志识别，在 GTSRB、BTSC 和 rMASTIF 三个基准上均取得最高识别率，分别为 99.75%、99.25% 和 99.55%。其预处理与推理总耗时不超过每张图像 1.3 ms，满足实时约束，并对亮度与对比度变化等环境干扰表现出鲁棒性。
正文 · AI 翻译
摘要：交通标志识别在自动驾驶汽车的发展中起着至关重要的作用，可降低事故率并提升道路安全。对于受环境影响显著的交通标志以及深度学习最先进算法实时性能较差的问题，已有必要加以解决。本文中，我们提出了用于交通标志识别的实时图像增强 CNN（{\our}）。{\our} 是一种实时、新颖的方法，能够处理多个不同的交通标志数据集，并在识别率和执行时间方面优于最先进的架构。实验使用德国交通标志基准（GTSRB）、比利时交通标志分类（BTSC）和克罗地亚交通标志（rMASTIF）基准进行。实验结果表明，我们的方法在所有基准上均取得了最高的识别率，GTSRB 的识别准确率达到 99.75\%，BTSC 为 99.25\%，rMASTIF 为 99.55\%。在延迟和满足实时约束方面，预处理时间和推理时间合计不超过每张图像 1.3 ms。我们提出的方法不仅以实时性能实现了显著的高准确率，还展示了对交通标志识别挑战（如环境中的亮度和对比度变化）的鲁棒性。
| 评论： | 发表于 Neural Computing and Applications，第 34 卷，第 6085-6096 页（2022 年） |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.15127 [cs.CV] |
| （或 arXiv:2610.15127v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15127 arXiv 颁发的 DOI 通过 DataCite（待注册） |
|
| 期刊 参考： | Neural Computing and Applications 34, 6085-6096 (2022) |
| 相关 DOI： | https://doi.org/10.1007/s00521-021-06762-5
链接到相关资源的 DOI |
提交历史
来自：Reem Abdel-Salam [查看电子邮件]
[v1]
2026 年 10 月 10 日星期六 19:01:49 UTC（3,476 KB）
来源：arXiv cs.AI · arxiv.org