基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
依据深度学习算法可以自主进行特征学习和识别的特点,提出一种基于Keras深度学习框架的车标识别算法.将该方法将ResNet50和Inception V3两模型相结合构建训练网络,以此建立分类器对车标图像进行识别.实验结果表明,该方法与传统的卷积神经网络分类进行比对,提高了车标识别的准确率.
推荐文章
基于SIFT的车标识别算法
车标识别
尺度不变特征变换
特征匹配
BP神经网络
基于多种LBP特征集成学习的车标识别
车标定位
CSLBP算子
支持向量机(SVM)
集成学习
深度学习目标识别算法发展趋势研究
深度学习
目标识别
卷积神经网络
基于深度学习的海战场图像目标识别
卷积神经网络
深度学习
图像识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的车标识别算法的研究与实现
来源期刊 长春工程学院学报(自然科学版) 学科 工学
关键词 深度学习 Keras框架 车标识别 特征提取
年,卷(期) 2017,(2) 所属期刊栏目 信息技术与应用
研究方向 页码范围 117-120
页数 4页 分类号 TP391.41
字数 1980字 语种 中文
DOI 10.3969/j.issn.1009-8984.2017.02.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈小娥 福建船政交通职业学院信息工程系 18 21 2.0 3.0
2 杨薇薇 福建船政交通职业学院信息工程系 7 9 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (17)
参考文献  (5)
节点文献
引证文献  (8)
同被引文献  (32)
二级引证文献  (14)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(8)
  • 引证文献(4)
  • 二级引证文献(4)
2020(11)
  • 引证文献(1)
  • 二级引证文献(10)
研究主题发展历程
节点文献
深度学习
Keras框架
车标识别
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
长春工程学院学报(自然科学版)
季刊
1009-8984
22-1323/N
大16开
长春市红旗街2494号
2000
chi
出版文献量(篇)
2446
总下载数(次)
14
总被引数(次)
7520
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导