基于多尺度跃层卷积神经网络的精细车型识别

• 作者: 李新叶 黄腾
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 精细车型识别 卷积神经网络(CNN) 深度学习
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 研究简报
• 页码范围: 246-249
• 页数: 4页
• 分类号: TP391
• 字数: 3522字
• 语种: 中文

摘要

为解决精细车型识别中特征不具有代表性,且识别准确率低的问题,提出了基于多尺度跃层卷积神经网络(CNN)的车型识别方法.通过多个不同尺度的跃层卷积神经网络,提取适用于精细车型识别的低层局部特征和高层全局特征,并分别训练Softmax分类器.利用自适应方式融合方法,将多个单一尺度跃层卷积神经网络的识别结果进行融合,调整不同网络对识别结果的贡献.实验中车型识别准确率达到97.59％.实验结果表明多尺度跃层卷积神经网络适用于精细的车型识别,并能提高识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新叶	华北电力大学电子与通信工程系	36	314	11.0	16.0
2	黄腾	华北电力大学电子与通信工程系	1	0	0.0	0.0