基于卷积神经网络的汽车型号识别

被引：7

作者：

陈淑君 ^{[1
]}

周永霞 ^{[1
]}

方勇军 ^{[2
]}

机构：

[1] 中国计量学院信息工程学院

[2] 杭州吾思智能科技有限公司

来源：

计算机应用与软件 | 2017年 / 34卷 / 11期

关键词：

深度学习; 卷积神经网络; Adaboost; LBP; SVM; 车辆识别;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

利用汽车的前视图像,提出一种基于深度学习的汽车型号识别方案。首先用Adaboost算法的级联检测器检测出汽车的车头感兴趣区域。然后针对该感兴趣区域,设计相应的卷积神经网络模型进行汽车型号识别。实验分别对比了当前流行的手工设计特征(SIFT、HOG和LBP特征)用SVM及ELM分类器的识别效果。实验结果显示,基于深度学习的方法识别率显著高于传统机器学习方法,表现出卓越的性能。

引用

页码：228 / 231

页数：4