基于小样本学习的监控图像车型识别算法研究

发布时间：2021-10-09 04:56

　　监控车型识别是智能交通系统中的关键模块,近年来在计算机视觉领域和智慧交通领域都受到广泛的关注。深度学习方法,特别是卷积神经网络因其强大的表示性能,已经在针对监控视频的车型识别中取得了较大进展。但传统深度学习存在的关键假设是训练数据与测试数据属于独立同分布,这就要求在实际应用中,需要有大量标记好的同样监控采集环境下的车型数据作为训练数据,对神经网络进行训练。考虑到在实际应用中,监控系统采集过程各异,手工对监控车型进行标记成本较大,获取一种通用且完备的监控车型数据是非常困难的,这些应用特点都较大程度上限制了深度学习方法在监控车型识别上的实际应用。本文针对监控数据中车型识别应用特点,开展小样本下的深度学习车型识别研究,通过在深度学习中引入迁移学习和主动学习思想,既保留深度学习本身强大的特征提取能力,又降低了对大规模标注样本的需求。本文提出了一种基于迁移学习和深度学习的监控车型识别算法,通过引入易于获取标签的互联网车商图片辅助对毫无标签的监控车型图片进行跨域跨数据集识别。为了克服互联网车商图片与实际监控图片中车型数据的分布差异,本文将域分布正则化项加入至传统深度网络的目标函数中,在强调特征表示... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

神经元结构图

单层网络结构图

图２．?５?ＬｅＮｅｔ－５网络结构图［Ｓ９］??卷积神经网络的概念诞生于１９８９年，由Ｌｅｃｕｎ等人提出關

【参考文献】：
期刊论文
[1]基于误差椭圆的车型识别算法[J]. 万文利,胡加佩,刘学军.  计算机工程. 2012(05)
[2]基于车辆轮廓定位匹配的车型识别方法[J]. 杜宇人,高浩军.  扬州大学学报(自然科学版). 2007(02)



本文编号：3425676