基于卷积神经网络的车型颜色综合识别

• 作者: 冯锦 李玉惠
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 车型颜色识别 Caffe框架 支持向量机
• 年，卷（期）: 2018,（6）
• 页码范围: 89-92
• 页数: 4页
• 分类号: TN911.73
• 字数: 3547字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.06.023

摘要

在高速公路复杂因素干扰的情况下,存在车型误判和车辆颜色变化较大不易于识别的问题.文中利用深度学习Caffe框架中的LeNet、AlexNet、GoogLeNet3种网络模型对车型和颜色进行综合识别,得出3种网络模型下车型颜色的综合识别率,再与支持向量机(SVM)进行比较.实验结果表明,深度学习Caffe框架下3种模型的识别率相较支持向量机(SVM)的方法得到了大幅提高,且超过90％.其中Caffe框架下的GoogLeNet网络模型准确率可达95％以上,效果明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉惠	昆明理工大学信息工程与自动化学院	60	219	8.0	12.0
2	冯锦	昆明理工大学信息工程与自动化学院	1	4	1.0	1.0