基于改进的卷积神经网络LeNet-5的车型识别方法

• 作者: 张建伟 王秀席 王茂宁 程鹏
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 卷积神经网络 LeNet-5 车型识别
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2215-2218
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.07.072

摘要

针对现有车型识别算法的耗时长、特征提取复杂、识别率低等问题,引入了基于深度学习的卷积神经网络(convolutional neural network,CNN)方法.此方法具有鲁棒性好、泛化能力强、识别度高等优点,因而被广泛使用于图像识别领域.在对公路中的四种主要车型(大巴车、面包车、轿车、卡车)的分类实验中,改进后的卷积神经网络LeNet-5使车型训练、测试结果均达到了98％以上,优于传统的SIFT+ SVM算法;另外,还研究了改进网络中的Dropout层对车型识别效果的影响.与传统算法相比,经过改进后的卷积神经网络LeNet-5,在减少检测时间和提高识别率等方面都有了显著提高,在车型识别上具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建伟	四川大学计算机学院	54	261	9.0	14.0
5	程鹏	四川大学空天科学与工程学院	10	36	2.0	6.0
6	王秀席	四川大学计算机学院	1	24	1.0	1.0
10	王茂宁	四川大学电气信息学院	2	38	2.0	2.0