于存江，张广宇

（长春大学电子信息工程学院 吉林 长春 130000）

1 引言

在某种程度上，深度学习可以理解为对于神经网络结构的加深，其也是通过自主学习功能，实现对数据进行处理的过程，尤其是在高维数据处理中。在深度学习网络模型中，其中间层不止一个，通过将深度学习的特征和分类器进行整合，简化网络模型结构，从而获取低层的特征向量，通过不断对模型进行训练，从而实现模型的优化。当前在图像检测和复杂控制领域中，都得到了良好的应用和发展。

对于深入研究，需要联合运用计算机软件系统。当前，国内外关于深度学习的框架软件中，较为常见的有Caffe和Pytorch等。通过对比各学习框架的优缺点，得出Caffe深度学习框架具有明显的优势，其具有扩展性能佳、计算效率高、开放性好等特征，因此在该领域得到了广泛的应用。

Caffe是由著名学者贾扬清开发的，其主要运用了C++语言，能够实现与MATLAB的互通连接，同时能够提供包括Python等软件的接口，通过对图像实现可视化的操作，充分训练和利用CPU，对于强化其图像识别、处理能力有着理想的效果。本文的研究中，综合运用Caffe深度学习框架实现课题研究。

无论是单特征还是多特征融合的检测方法，都具有鲁棒性差、操作复杂等缺点，为了能够进一步解决这个问题，本文提出了基于深度学习的检测方法，能够很好地解决上述问题。在深度学习领域中，Faster R-CNN是该领域的一个重要方法，当前情况下已经获得了较多的研究成果，基于此，本文采用该方法完成对交通标志进行检测的目的。……