卷积神经网络在车辆识别中的应用

摘要：

针对现有车辆识别方法计算量大,提取特征复杂等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的车辆识别方法.构建卷积神经网络模型,分别使用不同的卷积核、网络层数、特征图数对网络进行训练;通过100次迭代的学习结果得到最优模型,提取隐含层所有特征,并结合支持向量机进行识别;系统分析了不同参数对测试正确率和样本均方误差的影响.实验结果显示,CNN+SVM在车辆识别中的准确率明显优于传统CNN、PCA+SVM、HOG+SVM、Wavelet+SVM,正确率为97.00％,分析了样本识别错误的原因以及今后需要改进的地方,为以后的研究指明了方向.

关键词：车辆识别、深度学习、卷积神经网络(CNN)、特征提取、支持向量机(SVM)

所属期刊栏目：12

分类号：TP391.41(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61632009,61472451,61402161

在线出版日期：2018-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：282-291