弱监督分层深度学习的车辆识别算法

发布时间：2017-10-04 14:33

  本文关键词：弱监督分层深度学习的车辆识别算法

  更多相关文章： 车辆识别 深度学习 弱监督训练 特征提取

【摘要】：针对已有分类器在结构形式和训练方法的不足,构建了一个以二维深度置信网络(2Ddeep belief networks,2D-DBN)为架构的弱监督分层深度学习车辆识别算法。首先,将传统一维的深度置信网络(Deep belief networks,DBN)扩展成2D-DBN,并构建相应分类器结构,从而能够直接以二维图像像素矩阵作为输入;其次,在传统无监督训练的目标函数中,引入了一个具有适当权重的判别度正则化项,将原有无监督训练转化为带有较弱监督性的弱监督训练方式,从而使提取的特征较传统无监督特征更具判别性。多组对比实验表明,本文所提算法在识别率等指标上要优于已有深度学习算法。
【作者单位】： 江苏大学汽车与交通工程学院;江苏大学汽车工程研究院;
【关键词】： 车辆识别 深度学习 弱监督训练 特征提取
【基金】：国家自然科学基金(61403172,51305167,61203244)资助项目 交通运输部信息化(2013364836900)资助项目 中国博士后基金(2014M561592)资助项目 江苏省“六大人才高峰”(2014-DZXX-040)资助项目 江苏省自然科学基金(BK20140555)资助项目 江苏省博士后基金(1402097C)资助项目 江苏大学高级专业人才科研启动基金(12JDG010,14JDG028)资助项目
【分类号】：TP391.41
【正文快照】： 引言视觉车辆检测与识别对于汽车主动安全、智能车辆和交通监控系统等应用有着至关重要的作用[1-3]。由于其重大的理论研究价值和实际应用价值,使得车辆检测一直以来备受学术界以及工业界的关注。但车辆识别检测工作中,由于车辆的姿态、遮挡、涂装、光照以及背景的不同,会导致

【相似文献】

中国期刊全文数据库 前10条

1 张莹;朱军;;自动车辆识别系统的设计与实现[J];仪表技术与传感器;2006年01期

2 高军伟;刘召燕;蔡国强;刘新;贾利民;;基于面积法的车辆识别统计研究[J];青岛大学学报(工程技术版);2008年04期

3 逯鹏;娄亚飞;刘奉哲;李玉松;黄石磊;汤玉合;;稀疏超完备车辆识别与统计[J];应用科学学报;2014年01期

4 ;国内信息[J];中国自动识别技术;2007年04期

5 李文艺;孔金生;周永年;;基于信息融合团队一致法的车辆识别方法[J];微计算机信息;2008年31期

6 刘怀愚;李t，

本文编号：971220