基于卷积神经网络的车型识别研究

发布时间：2018-06-09 11:58

  本文选题：深度学习 + 卷积神经网络　； 参考：《有线电视技术》2017年12期

【摘要】：随着深度学习的快速发展,深度学习中的卷积神经网络已经广泛运用于图像识别领域,通过构建不同的网络模型和大量的图像训练数据,来让计算机学习更多有用的图像特征,从而提升图像分类或识别的准确性。本文基于卷积神经网络,构建车辆图像数据库,参考经典的Alex Net网络模型,修改了它的激活函数和输出全连接层的网络结构,并微调训练参数来对数据集进行分类识别,最终识别出了图像中的车型及其品牌,准确率可分别达到89.33%和93.33%。经由实验验证,基于卷积神经网络对车型识别的方法是切实可行的。
[Abstract]:With the rapid development of deep learning, convolution neural networks in depth learning have been widely used in the field of image recognition. By constructing different network models and a large amount of image training data, the computer can learn more useful image features. In order to improve the accuracy of image classification or recognition. In this paper, based on convolution neural network, the vehicle image database is constructed, referring to the classical Alex net network model, the activation function and the network structure of the output full connection layer are modified, and the training parameters are fine-tuned to classify and identify the data sets. Finally, the models and their brands are identified, and the accuracy is 89.33% and 93.33% respectively. Experimental results show that the method based on convolution neural network is feasible.
【作者单位】： 福州大学物理与信息工程学院福建省微电子集成电路重点实验室;福州大学物理与信息工程学院;
【分类号】：TP18;TP391.41

【相似文献】

相关期刊论文 前10条

1 陈爱斌;基于特征车的汽车车型识别[J];信息技术;2004年05期

2 袁志勇,查桂峰,陈绵云,张仁宏;基于反对称小波的车型识别研究[J];武汉大学学报(信息科学版);2005年06期

3 袁志勇,查桂峰,陈绵云;基于聚类的二级模糊综合评判的车型识别研究[J];计算机工程与应用;2005年12期

4 运国莲;陈启美;丁胜军;;基于非完备贝叶斯网络的车型识别方法[J];交通与计算机;2006年01期

5 贾永涛;张帆;;车型识别专家系统的设计[J];计算机测量与控制;2006年04期

6 张宁;施毅;何铁军;;基于虚拟线圈的车型识别研究[J];交通与计算机;2008年01期

7 颜卓旺;;基于历史数据的车型识别方案[J];中国交通信息化;2012年03期

8 袁爱龙;陈怀新;吴云峰;;基于尺度显著性算法的车型识别方法[J];微型机与应用;2012年15期

9 华莉琴;许维;王拓;马瑞芳;胥博;;采用改进的尺度不变特征转换及多视角模型对车型识别[J];西安交通大学学报;2013年04期

10 刘直芳,游志胜,徐欣,曹刚;车型识别系统中利用阴影特点快速定位车体[J];红外技术;2002年06期

相关会议论文 前10条

1 韩冬梅;吕芳;;智能交通系统中车型识别的软件设计与实现[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年

2 王超;刘翠响;;视频图像中车辆的车型识别算法研究与实现[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

3 邓天民;邵毅明;崔建江;;一种车型识别算法及其应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

4 张全元;戴光明;陈良;;一种新的基于实时视频流的车型识别算法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 陈文新;王长富;戴蓓倩;;基于神经网络的汉语四声识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 李睿;李明军;;一种模糊高斯基神经网络在数值逼近上的仿真[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

7 许旭萍;臧道青;;采用Hopfield神经网络实施缸盖表面点阵字符识别[A];第十五届全国汽车检测技术年会论文集[C];2011年

8 张大奇;曲仕茹;刘真峥;;基于环投影小波分形特征的车型自动识别方案[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 朱长春;;神经网络用于线性时固有系统的广义状态转移矩阵的识别[A];中国工程物理研究院科技年报（1999）[C];1999年

10 赵天青;梁旭斌;许学忠;蔡宗义;张敏;;车型识别中听觉特征提取算法的研究[A];第三届上海——西安声学学会学术会议论文集[C];2013年

相关重要报纸文章 前1条

1 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

相关博士学位论文 前10条

1 胡耀民;基于视频的车型识别关键技术研究[D];华南理工大学;2014年

2 李晓刚;基于神经网络的码垛机器人视觉位姿测量及伺服控制研究[D];北京林业大学;2015年

3 户保田;基于深度神经网络的文本表示及其应用[D];哈尔滨工业大学;2016年

4 沈旭;基于序列深度学习的视频分析：建模表达与应用[D];中国科学技术大学;2017年

5 诸勇;正交回归神经网络及其在控制系统中的应用[D];浙江大学;1998年

6 李彦冬;基于卷积神经网络的计算机视觉关键技术研究[D];电子科技大学;2017年

7 连自锋;基于深层神经网络的图像识别算法研究[D];北京邮电大学;2017年

8 包姣;基于深度神经网络的回归模型及其应用研究[D];电子科技大学;2017年

9 薛迪秀;基于卷积神经网络的医学图像癌变识别研究[D];中国科学技术大学;2017年

10 田景文;地下油藏的仿真与预测[D];哈尔滨工程大学;2001年

相关硕士学位论文 前10条

1 邓柳;基于深度卷积神经网络的车型识别[D];西南交通大学;2015年

2 张明贵;道路车辆的车型识别方法研究[D];贵州民族大学;2015年

3 涂文华;基于数据融合的交通物联网感知节点研究与应用[D];南昌大学;2015年

4 刘超;多姿态车型识别算法设计及应用研究[D];电子科技大学;2014年

5 王欣;基于小波分析的车型自动识别系统的设计与实现[D];电子科技大学;2014年

6 凌永国;基于卡口图像车型识别的研究[D];广西师范大学;2015年

7 郭志明;基于视频图像的车型识别方法的研究[D];东北大学;2014年

8 张飞云;基于深度学习的车辆定位及车型识别研究[D];江苏大学;2016年

9 程丽霞;监控视频中的车型识别技术研究[D];广东工业大学;2016年

10 高许;基于视频图像的车辆检测及车型识别研究[D];燕山大学;2016年

，

本文编号：1999649