“基于深度学习的交通标志识别”总结

我了解到深度学习是机器学习中的一个新的领域，其是为了建立模拟人脑进行分析学习的神经网络。深度学习分为监督学习和无监督学习，其中卷积神经网络（简称CNN）是深度的监督学习下的机器学习模型，深度置信网是一种无监督学习下的机器学习模型。深度学习的特点是用非监督式或半监督式的特征学习和分成特征来提取高效算法来替代手工获取特征。深度学习会通过组合底层特征形式形成更加抽象的高层表示属性类别或特征。
该文献中所研究的交通标志识别主要运用到了深度学习技术中的卷积神经网络算法，其中典型的 CNN 包括三种基本结构层: 卷积层、池化层和连接层，但在该技术中增加了新的“压平层”与“丢弃层”，提高了训练能力且节省了很多时间，更有利于交通标志的识别。个人认为这项研究的主要突破点是在典型的CNN中修改了一些“层”和增加了新的“层” 。

[1]李金樽,罗山.基于深度学习的交通标志识别[J].山西电子技术,2020(05):21-23.