卷积神经网络在车辆识别中的应用

• 作者: 季桂树 张少波 彭清 谢林江
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 车辆识别 深度学习 卷积神经网络(CNN) 特征提取 支持向量机(SVM)
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 282-291
• 页数: 10页
• 分类号: TP391.41
• 字数: 5300字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1704055

摘要

针对现有车辆识别方法计算量大,提取特征复杂等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的车辆识别方法.构建卷积神经网络模型,分别使用不同的卷积核、网络层数、特征图数对网络进行训练;通过100次迭代的学习结果得到最优模型,提取隐含层所有特征,并结合支持向量机进行识别;系统分析了不同参数对测试正确率和样本均方误差的影响.实验结果显示,CNN+SVM在车辆识别中的准确率明显优于传统CNN、PCA+SVM、HOG+SVM、Wavelet+SVM,正确率为97.00％,分析了样本识别错误的原因以及今后需要改进的地方,为以后的研究指明了方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	季桂树	中南大学信息科学与工程学院	32	288	8.0	16.0
2	张少波	中南大学信息科学与工程学院	25	87	6.0	8.0
6	谢林江	中南大学信息科学与工程学院	2	54	2.0	2.0
7	彭清	中南大学信息科学与工程学院	4	54	2.0	4.0