多比例车辆目标的分类识别

• 作者: 张洁 李宇海 赵泽通 赵红东 闫苗
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 图像识别 卷积神经网络(CNN) 目标比例 车型分类
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 计算与测试
• 页码范围: 134-137,141
• 页数: 5页
• 分类号: TP391.4
• 字数: 3614字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)07-0134-04

摘要

应用卷积神经网络(CNN)进行车型分类识别时,系统研究了车辆目标在图像中的比例变化对CNN识别率的影响,发现比例过大或过小都会降低识别率.针对这种影响,研究和分析了卷积核尺寸、堆叠卷积结构和加入批归一化(BN)层对多比例车辆目标的识别效果.建立了6个具有不同目标比例的数据集,分别测试经典CNN模型Lenet—5和构建的4个不同结构的CNN模型.以Lenet—5的实验结果为参照,并对比不同模型的实验结果,研究了不同层次结构对消除目标比例影响的作用.其中表现最优的模型能够把识别率的波动稳定在1.0％以内,最高识别率为97.33％.多种目标比例混合后测试模型,发现CNN对于目标比例为50％的样本识别率最高.实验结果为CNN在车辆目标分类识别的研究和应用提供了参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵红东	河北工业大学电子信息工程学院	88	427	10.0	17.0
2	张洁	河北工业大学电子信息工程学院	37	164	8.0	12.0
4	李宇海		6	6	2.0	2.0
5	闫苗	河北工业大学电子信息工程学院	3	0	0.0	0.0
7	赵泽通	河北工业大学电子信息工程学院	3	0	0.0	0.0