基于深度网络的车辆前后端图像识别方法研究

• 作者: 王怡素 菅博瑞
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 深度学习 数据增强 图像识别 过拟合
• 年，卷（期）: 2019,（5Z）
• 页码范围: 147-150
• 页数: 4页
• 分类号: TP31

摘要

针对智能交通车辆图像特征识别问题,本文对深度网络和车辆图像特征提取方法进行研究,构建一种车辆特征检测网络结构。实验表明通过对车辆图像变换拉伸等数据增强操作,并在结构中引入随机清零,在保证识别率的前提下有效抑制了模型过拟合现象。最后运用特征提取结合自己设计的分类层训练出模型,该模型对车辆前后端图像特征有较高的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王怡素		5	9	2.0	3.0
2	菅博瑞		2	0	0.0	0.0