10.3969/j.issn.1000-8519.2021.06.016
基于CNN的车辆目标检测与车型分类研究
车辆检测与分类是智能交通系统的重要任务.解决这些任务的传统方法由于受到车辆图像视角受限的影响从而导致粗粒度的识别结果.近年来深度学习成功应用于图像分类任务,并受其最新成果的启发,本文提出了一种基于卷积神经网络的车辆检测与分类方法,该方法包括车辆区域检测和车型分类两部分.在检测和分类实验中,我们详细对比分析几种典型的网络模型,如R-CNN,Faster R-CNN,AlexNet,VggNet,Googlenet和Resnet.本文提出的算法能够准确,实时地识别车辆类型,品牌等信息.利用构建的原始数据集,该算法在7种车型分类的平均准确率约为89%.
卷积神经网络、车辆检测、车型分类
2021-05-26(万方平台首次上网日期,不代表论文的发表时间)
共3页
37-39