基于超分辨率和深度神经网络的车型识别

• 作者: 张伟平 郝存明 雷倩
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 超分辨率 深度学习 去噪自编码器 车型识别 深度卷积神经网络
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 模式识别与图像处理
• 页码范围: 230-233
• 页数: 4页
• 分类号: TP391.4
• 字数: 3624字
• 语种: 中文

摘要

车型识别在视频监控系统中起着关键作用,文中利用深度神经网络和超分辨率来实现交通监控中的车型识别.利用深度卷积神经网络CaffeNet,并采用先进的深度学习框架CAFFE和具有强大计算能力的 GPU 来完成对车辆的车型识别.在图像预处理阶段,采用一种基于深度学习和稀疏表示的图像超分辨率(SR)重构算法,来增强图像的细节信息.其中首先基于深度学习模型自编码器,提出一种改进模型非负稀疏去噪自编码器(Nonnegative Sparse Denoising Auto-Encoders,NSDAE)来实现字典的联合学习,然后基于稀疏表示实现车辆图像的超分辨率重构.经实验验证,在加入超分辨率处理之后,车型识别效果在精确度上得到了明显的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝存明	河北省科学院应用数学研究所	14	23	3.0	4.0
2	雷倩	河北省科学院应用数学研究所	2	3	1.0	1.0
3	张伟平	河北省科学院应用数学研究所	3	5	2.0	2.0