Faster-RCNN的车型识别分析

发布时间：2018-07-14 20:14

【摘要】：车型识别是目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点之一。针对已有车辆检测方法缺乏识别车型能力的问题,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-101 3种卷积神经网络分别结合的策略,实验对比了该策略中的3种结合模型方案在BIT-Vehicle和CompCars2种大型车型数据库的车型识别能力。在BIT-Vehicle数据集上,基于Faster-RCNN与ResNet-101结合模型方案的车型识别率高与其余2种结合模型方案,其车型识别率高达91.3%;在迁移测试CompCars数据集上,3种结合模型方案均展现了很好的泛化能力。
[Abstract]:Vehicle recognition is an important application of intelligent transportation in the field of target detection, and it is also one of the hot research topics of scholars at home and abroad in recent years. In order to solve the problem that the existing vehicle detection methods lack the ability to recognize vehicle models, a strategy of combining Faster-RCNN target detection model with ZFVGG-16 and ResNet-101 convolution neural networks is proposed. The vehicle recognition capability of three combined model schemes in BIT-Vehicle and CompCarsdatabase is compared experimentally. On the BIT-Vehicle data set, the model recognition rate based on Faster-RCNN and ResNet-101 is high and the recognition rate of other two models is as high as 91.3%, and the three combined model schemes show good generalization ability on the migration test CompCars data set.
【作者单位】： 重庆大学信息物理社会可信服务计算教育部重点实验室;重庆大学软件学院;
【基金】：高等学校博士学科点专项科研基金博导类资助项目(20130191110027)~~
【分类号】：TP391.41;U495

【相似文献】

相关期刊论文 前3条

1 王明哲;吴皓;周丰;;基于地磁的车型识别模糊数据融合方法研究[J];公路交通科技;2008年01期

2 刘玉铭,白明,吴慧;模糊模式识别理论在车型识别中的应用[J];道路交通与安全;2001年01期

3 孙青;刘智勇;;基于朴素贝叶斯分类模型的车型识别方法[J];五邑大学学报(自然科学版);2008年03期

相关会议论文 前1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

相关博士学位论文 前1条

1 李丽宏;基于多传感器信息融合的超限超载检测系统设计研究[D];太原理工大学;2013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 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

3 张海彬;基于卡口图像的车型识别方法研究[D];合肥工业大学;2015年

4 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

5 夏文吉;基于轮廓几何稀疏表示的车型识别研究[D];西南交通大学;2016年

6 陈超学;基于循环神经网络的声学车型识别研究[D];西安电子科技大学;2015年

7 李孟格;基于车辆正面图像的车型识别系统研究与设计[D];沈阳理工大学;2016年

8 路新宇;基于多传感器融合的车型识别系统研究[D];华南理工大学;2015年

9 王小龙;基于视频图像的车型识别算法研究与实现[D];西安电子科技大学;2014年

10 刘承胤;基于线阵CCD的车型识别方法研究[D];安徽大学;2014年

，

本文编号：2122824