基于 CNN 和 SVM 融合的交通标志识别

来源：计算机技术与发展杂志2020年第06期北京时间：

作者：王新美;丁爱玲;雷梦宁;康盟

摘要：针对传统的卷积神经网络对小样本分类易产生过拟合等问题,在卷积神经网络(CNN) 和支持向量机( SVM) 融合模型的基础上,提出对 CNN 网络结构提取的特征进行归一化处理,提高泛化能力,并将其应用到交通标志识别。 该方法构建了一种 CNN-SVM 模型,将卷积神经网络和支持向量机结合起来,使用从 ImageNet 数据集初始化的网络进行特定域的微调,截取网络内层来提取交通标志图像特征,并对特征进行归一化处理,最后采用 SVM 进行识别,从而有效解决交通标志分类过拟合问题。 仿真结果表明,通过 CNN 内层建立的特征映射模型,所传递的特征经过归一化处理后,在交通标志分类任务中具有良好的特征表示能力,较好地提升了 SVM 分类性能,表现出更好的分类精度以及泛化性能。

关键词：CNN;SVM;迁移学习;归一化;交通标志识别