基于深度卷积神经网络的车型识别研究

• 作者: 汪子杰 邓柳
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 卷积神经网络 支持向量机 高速公路 车型识别
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 930-932
• 页数: 3页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.03.066

摘要

近年来，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，它不仅显著提升了识别准确率，同时在特征提取速度方面也优于许多传统方法。针对高速公路环境下的车型识别问题，引入卷积神经网络（CNNs）理论，设计相应特征提取算法，并结合 SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示，该方法在识别精度及速度上均取得了较显著的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓柳	西南交通大学信息科学与技术学院	1	77	1.0	1.0
2	汪子杰	西南交通大学信息科学与技术学院	2	113	2.0	2.0