10.3778/j.issn.1002-8331.2002-0126
深度神经网络在多场景车辆属性识别中的研究
单一的车辆属性识别已无法满足现有的交通系统,为了提高在实际监控中车辆检测定位的可靠性,利用深度神经网络的思想建立了一种能够在近景监控场景和交通监控场景两种不同场景下识别车辆属性的模型,主要包括车辆类型和颜色两种属性类别.以YOLOv3神经网络为基础,对其进行改进,降低网络深度的同时保证准确率,将车辆类型和颜色属性进行分级训练,提高模型检测速度,此外,创建了AttributesCars车辆属性数据集完成数据准备工作.实验结果表明,所提方法在平均准确率为95.63%的前提下可以满足视频的实时性要求,并且在两种不同场景下均取得了不错的成绩,适用于多场景车辆属性识别.
深度神经网络、近景监控场景、交通监控场景、YOLOv3、车辆类型、车辆颜色
57
TP301.6(计算技术、计算机技术)
陕西省科技计划重点项目2017ZDCXL-GY-05-03
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
162-167