面向交通标识的二值语义嵌入学习方法

来源：计算机工程与应用杂志2023年第13期北京时间：

作者：王少华, 刘法胜, 时柏营, 刘兴波, 聂秀山

单位：1.山东建筑大学 计算机科学与技术学院，济南 250101；2.山东科技大学 电气与自动化工程学院，山东 青岛 266590；3.山东建筑大学 交通工程学院，济南 250101

摘要：交通标识是交通基础设施的重要组成。智能交通系统中的自动驾驶车辆需要识别和理解交通标识，以确保其驾驶行为安全和遵守交通法规。目前，交通标识的识别大都采用深度神经网络方法，利用大量的训练样本对神经网络参数进行训练，获得对任务有利的特征表示，然而，海量的训练数据将带来较高的检索成本。针对以上问题，提出一种基于二值语义嵌入的大规模交通标识检索与识别方法BETS，该方法将标签信息和成对相似性信息嵌入到二值语义空间中，同时使用深度神经网络来进行哈希学习。实验结果表明，该方法可以有效提升大规模交通标识检索与识别的精度和准确性。

关键词：交通标识图像,二值码,深度神经网络,标签信息