基于联合层特征的卷积神经网络在车标识别中的应用

• 作者: 张力 张洞明 郑宏
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 联合特征 车标识别
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 第三届CCF大数据学术会议(CCF BigData 2015)
• 页码范围: 444-448
• 页数: 5页
• 分类号: TP399|TP181
• 字数: 4502字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.02.0444

摘要

针对现有智能交通系统仅仅通过车牌信息获取车辆信息存在不准确的情况,提出一种基于联合层特征的卷积神经网络(Multi-CNN)进行车标识别.该方法将通过卷积神经网络中不同层提取的特征联合起来,一起作为全连接层的输入,训练获得分类器.通过理论分析和实验表明,与传统的卷积神经网络训练获得的分类器相比,Multi-CNN方法能够减少训练所需计算量,同时将车标识别准确率提升至98.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑宏	武汉大学电子信息学院	44	257	8.0	14.0
3	张力	武汉大学电子信息学院	51	228	8.0	14.0
7	张洞明	武汉大学电子信息学院	2	17	1.0	2.0