基于卷积神经网络的轿车车型精细识别方法

被引：32

作者：

陈宏彩 ^{[1
,2
]}

程煜 ^{[1
,2
]}

张常有 ^{[3
]}

机构：

[1] 河北省科学院应用数学研究所

[2] 河北省信息安全认证工程技术研究中心

[3] 中国科学院软件研究所并行软件与计算科学实验室

来源：

河北科技大学学报 | 2017年 / 38卷 / 06期

关键词：

计算机神经网络; 车型识别; 卷积神经网络; 精细识别; 深度学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

082301 [道路与铁道工程]; 140502 [人工智能];

摘要：

在复杂交通场景中,公安和交管部门对车型识别的实时性和精度提出了更高要求。针对当前假牌、套牌、无牌车辆处理占用大量警力、检索效率低下、非智能化等一系列问题,提出了一种基于GoogleNet深度卷积神经网络的车型精细识别方法,设计了合理的卷积神经网络滤波器大小和数目,优选了激活函数和车型识别分类器,构建了一个新的卷积神经网络轿车车型精细识别模型框架。实验结果表明,在车型精细识别测试中,所提出模型的识别率达到了97%,较原始GoogleNet模型有较大提升,而且,新模型有效地减少了训练参数的数量,降低了模型的存储空间。车型精细识别技术可应用于智能交通管理领域,具有重要的理论研究价值与实践意义。

引用

页码：564 / 569

页数：6

共 7 条

[1]

EEGLAB; SIFT; NFT; BCILAB; and ERICA: New Tools for Advanced EEG Processing.[J].Arnaud Delorme;Tim Mullen;Christian Kothe;Zeynep Akalin Acar;Nima Bigdely-Shamlo;Andrey Vankov;Scott Makeig;Sylvain Baillet.Computational Intelligence and Neuroscience.2011,

[2]

无人驾驶车辆基于角点和斑点的特征提取算法 [J].