10.11835/j.issn.1000-582X.2017.07.005
Faster-RCNN的车型识别分析
车型识别是目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点之一.针对已有车辆检测方法缺乏识别车型能力的问题,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-101 3种卷积神经网络分别结合的策略,实验对比了该策略中的3种结合模型方案在BIT-Vehicle和CompCars2种大型车型数据库的车型识别能力.在BIT-Vehicle数据集上,基于Faster-RCNN与ResNet-101结合模型方案的车型识别率高与其余2种结合模型方案,其车型识别率高达91.3%;在迁移测试CompCars数据集上,3种结合模型方案均展现了很好的泛化能力.
车型识别、目标检测、Faster RCNN、卷积神经网络
40
TP391(计算技术、计算机技术)
高等学校博士学科点专项科研基金博导类资助项目20130191110027.Supported by the Research Fund for the Doctoral Program of Higher Education of China under Grant 20130191110027
2017-11-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
32-36