基于深度卷积神经网络的车型细类识别研究

发布时间：2021-02-20 11:02

　　车型细类识别是智能交通系统领域中的一项重要研究课题,同时也属于计算机视觉中的一种任务。车型细类识别即通过从车辆图片或者视频中识别出车辆的具体型号。不同于传统的车型识别,即识别车辆的种类,例如轿车,卡车,客车等等,车型细类识别将识别出具体生产厂商的某一种具体车型。传统的车型细类识别研究主要通过人工设计特征和基于3D模型等方法来进行,准确率和泛化性较差,较难应用到实际的智能交通系统中。近年来,深度学习尤其是卷积神经网络在人工智能领域取得了巨大的成功,在图像识别领域,目前是占据统治地位的方法。它不仅仅极大地提高了识别精确度,同时减少了人工设计特征的复杂性。现在,一些车型细类识别的任务也逐渐开始使用卷积神经网络。本文提出了一个基于卷积神经网络的从粗糙到精细的车型细类识别系统。在这个系统中,我们将利用从大规模数据集中提取的车型的全局特征和最精细的局部特征来进行车型识别。为了得到最精细的局部特征,我们提出了两个重要算法,一个是定位局部区域算法,一个是从粗糙到精细的检测算法。对于定位局部区域算法,我们将建立一个从卷积神经网络得到特征热点图到输入数据之间的映射关系,从而根据热点图中热点区域提取出输入数... 

【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 车型识别研究现状
        1.2.2 车型细类识别研究现状
    1.3 本文主要工作
    1.4 本文的章节组织形式
第二章 相关理论及技术介绍
    2.1 卷积神经网络介绍
        2.1.1 卷积神经网络概述
        2.1.2 卷积神经网络组件
        2.1.3 卷积神经网络模型
        2.1.4 卷积神经网络的训练
    2.2 支持向量机算法介绍
    2.3 Caffe深度学习框架介绍
        2.3.1 Caffe框架概述
        2.3.2 Caffe重要模块介绍
    2.4 本章小结
第三章 车型细类识别系统的设计与实现
    3.1 系统的总体架构
        3.1.1 系统基本网络结构
        3.1.2 系统功能模块
    3.2 定位局部区域算法
    3.3 从粗糙到精细区域检测算法
    3.4 本章小结
第四章 车型细类识别系统的实验与结果
    4.1 数据集介绍
    4.2 训练卷积神经网络
    4.3 定位重要区域
    4.4 训练支持向量机
    4.5 评估准则
    4.6 实验结果对比和分析
        4.6.1 结果对比
        4.6.2 分析
    4.7 本章小结
第五章 总结与展望
    5.1 本文创新点
    5.2 展望
参考文献
简历与科研成果
致谢



本文编号：3042671