基于卷积神经网络的车型识别

• 作者: 马国栋 姚善化
• 来源期刊: 绿色科技
• 关键词: 卷积神经网络 卷积核 车型识别
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 信息与技术
• 页码范围: 231-233
• 页数: 3页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9944.2021.12.080

摘要

车辆分类识别自动化是当前道路安全和智能交通系统面临的重要挑战之一.图像处理、模式识别和深度学习技术的发展克服了许多障碍,针对车型多、计算量大导致车型识别准确率低、效率低的问题,深度学习的卷积神经网能够很好地解决这一问题.基于该方法实现5种车型的识别.首先,收集足够多的数据集以此来平衡数据集(交通网获取足够多的图片数据).其次,使用这些数据集来训练特殊的卷积神经网模型及设置各个网络层参数.通过评估卷积层数、卷积核大小、卷积层与池化层的数量配比及各动量等参数,实现网络性能的比较和优化及卷积核的选择.