基于约束卷积神经网络的轿车款式识别

• 作者: 贾振堂
• 来源期刊: 上海电力学院学报
• 学科: 工学
• 关键词: 卷积神经网络 约束量 车脸图像 轿车款式识别 整车图像
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计算机技术
• 页码范围: 185-190
• 页数: 6页
• 分类号: TP391.41|TP183
• 字数: 4076字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4729.2018.02.017

摘要

为了对车辆款式和型号进行分类筛选,降低侦查人员的劳动强度,提出了一种用约束卷积神经网络实现轿车款式识别的方法,相比车辆类型识别更为精细.首先通过测试进行正面“车脸”的识别,然后尝试整车车身(并带有部分背景)的识别.测试结果表明,对于包含部分背景内容的整车车身识别,在卷积神经网络中添加约束条件后,误识别率有4.06％的降幅,从而验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾振堂	上海电力学院电子与信息工程学院	18	50	4.0	6.0