基于卷积神经网络的交通信号灯识别：一份调查报告
原文中文，约300字，阅读约需1分钟。发表于：。实时交通信号灯识别对于自动驾驶至关重要。本研究通过对使用卷积神经网络（CNN）的交通信号灯识别方法进行综合调查和分析，着重于数据集和 CNN 架构两个重要方面，并将方法根据底层架构分为三个主要群组：(1) 修改通用目标检测器来补偿特定任务特征的方法， (2) 利用规则和 CNN 组件的多阶段方法和 (3) 特定任务的单阶段方法。我们描述了每个群组中最重要的工作，讨论了数据集的使用情况，确定了研究的空白点。
本研究综合调查和分析了使用卷积神经网络的交通信号灯识别方法，重点关注数据集和CNN架构。根据底层架构分为三个主要群组：修改通用目标检测器的方法、利用规则和CNN组件的多阶段方法以及特定任务的单阶段方法。讨论了每个群组中最重要的工作，数据集的使用情况，并确定了研究的空白点。
