东方耀AI技术分享

标题: 01、项目介绍：交通标识牌的识别及其二值化 [打印本页]

作者: 东方耀 时间: 2019-11-4 17:54
标题: 01、项目介绍：交通标识牌的识别及其二值化
01、项目介绍：交通标识牌的识别及其二值化

自动识别交通指示牌是实现完全自动驾驶的一个关键和必要的技术.
这个项目是一个典型的深度学习在计算机视觉领域的应用, 具有广泛的应用范围.
通过此项目的学习, 您能够将掌握的知识用于人脸识别, 商品识别(无人超市), 鉴黄, 安全监控, OCR等许多领域.

43类交通标识牌的识别，典型的图像分类问题，但是为了能在资源受限的设备上使用,
例如IOT设备和边缘设备，需要使用二值化神经网络进行训练，预测时内存需求和计算量大大减小，同时会大幅改善电源效率
所用到的技术：
1、图像预处理：RGB2YUV颜色空间取Y明亮度、equalizeHist直方图均衡、标准化(减样本级samplewise均值除方差，还有特征级featurewise的)
2、数据增强：随机旋转角度、宽度与高度方向偏移、随机缩放、zca_whitening白化(将计算标准差，均值，主成分)
3、网络模型：典型的分类网络(n个卷积+Dense全连接映射到类别上softmax激活)，损失用交叉熵，度量用准确率
改造为二值化的神经网络：
1、二值化的卷积层BinaryConv2D、全连接层BinaryDense、激活函数层binary_tanh、复写DropOut
2、实际数据的label由01的独热编码变为-1 +1形式(乘2减1即可)
3、分类问题：修改损失函数带hinge的三个损失函数squared_hinge categorical_hinge hinge都还行带crossentropy差得远
4、修改学习率的调整策略，需要回调LearningRateScheduler
技术难点：
1、二值化后网络结构需要变得更复杂，训练的难度也加大，epoch数由50变400
2、tf或keras会根据前向传播过程自动求梯度，二值化后不能这样，反向传播求梯度时需要stop_gradient控制

东方老师AI官网：http://www.ai111.vip
有任何问题可联系东方老师微信：dfy_88888
【微信二维码图片】

欢迎光临东方耀AI技术分享 (http://www.ai111.vip/)