基于改进的Faster R-CNN物流车辆特征识别研究

发布时间：2020-12-02 22:33

　　传统的车牌识别系统无法满足物流业中复杂环境的物流车辆定位与检测的要求。在物流行业中,物流被称为企业的“第三方利润源泉”,特别是在物流运输等环节中。有效定位物流车辆、掌握物流信息,统筹规划,减少不必要成本,有着更为重要和深远的意义。目前主流的识别系统大都适用于轿车,对物流车辆特征识别的研究还较少。基于深度学习的算法,包括两大组成部分,目标定位部分和图像识别部分,本文选择Faster R-CNN作为基本的目标定位与识别网络。在现场大量图片的基础上,通过细分各类车型,将数据集划分为训练集、验证集、测试集。针对物流车辆定位识别陷入局部最优解问题,进行参数最优化设置与研究。（1）研究目的是实现对目标物流车辆特征的精确识别,针对模型训练过拟合问题,采用了数据批量标准化方法,改进了模型训练的效果,解决了模型陷入局部最优解问题。（2）针对训练样本不均衡、特殊物流车辆目标难训练问题,在保有原样本情况下,提出了一种基于在线样本挖掘和负难分样本挖掘技术相结合的方法,通过训练中实时筛选的最大损失值难分样本进行误差传递,解决了样本不足、不均衡和特定车辆目标难识别问题,实现了难分车辆目标的准确分类。（3）为更好地... 

【文章来源】：浙江工业大学浙江省

【文章页数】：126 页

【学位级别】：硕士

【部分图文】：

历届ILSVRC比赛图片分类错误率[62]

技术路线图

FastR-CNN网络结构

【参考文献】：
期刊论文
[1]基于卷积神经网络面部图像识别的拖拉机驾驶员疲劳检测[J]. 卢伟,胡海阳,王家鹏,王玲,Yiming Deng.  农业工程学报. 2018(07)
[2]基于深度学习的多视窗SSD目标检测方法[J]. 唐聪,凌永顺,郑科栋,杨星,郑超,杨华,金伟.  红外与激光工程. 2018(01)
[3]基于多分类的车辆轨迹地图匹配算法的研究[J]. 王丽娟.  智能计算机与应用. 2017(06)
[4]基于端到端分布式框架的符号网络预测方法[J]. 赵衎衎,张静,张良富,李翠平,陈红.  软件学报. 2018(03)
[5]基于卷积神经网络的车辆品牌和型号识别[J]. 黎哲明,蔡鸿明,姜丽红.  东华大学学报(自然科学版). 2017(04)
[6]基于霍夫变换和RANSAC算法的绝缘子定位方法[J]. 沈新平,彭刚,袁志强.  电子测量技术. 2017(06)
[7]航拍绝缘子卷积神经网络检测及自爆识别研究[J]. 陈庆,闫斌,叶润,周小佳.  电子测量与仪器学报. 2017(06)
[8]关于电子标签检测技术研究[J]. 徐进.  信息技术. 2017(04)
[9]基于区域划分和霍夫变换的车牌倾斜校正[J]. 王越,黄龙超,李琴.  重庆理工大学学报(自然科学). 2017(03)
[10]基于改进Sobel算子的动态自动调焦算法研究[J]. 褚翔,祝连庆,娄小平,孟晓辰,潘志康.  应用光学. 2017(02)

硕士论文
[1]车辆多特征识别方法研究与实现[D]. 王博.电子科技大学 2017
[2]基于深度学习的人脸检测算法的研究与实现[D]. 陈成.电子科技大学 2017
[3]基于卷积神经网络和上下文模型的目标检测[D]. 马增妍.北京工业大学 2016
[4]基于深度学习的车辆定位及车型识别研究[D]. 张飞云.江苏大学 2016
[5]深度学习算法在车牌识别系统中的应用[D]. 刘峥强.电子科技大学 2016
[6]基于深度学习的车辆型号识别[D]. 熊祎.华中科技大学 2014
[7]车辆特征检测研究与实现[D]. 庞锋.电子科技大学 2012
[8]利用地感应线圈检测机动车辆的原理与实现[D]. 夏发钦.武汉科技大学 2011



本文编号：2895665