树状卷积神经网络的车标识别应用
为了提高在自然环境下车标识别率,提出一种多通路树状结构的卷积神经网络模型.该模型采用多通路树状结构,在传统卷积网络单一种类卷积核的卷积层上,使用多种类型的卷积核进行卷积操作,并且采用树状网络结构.通过对每个通路的顶层提取特征,作为全连接层的输入,进行车标的分类任务.通过理论分析和实验表明,与传统的卷积神经网络训练获得的分类器相比,车标识别率提升至98.43%.
深度学习、卷积神经网络、特征图、车标识别
26
TP3;TP1
2017-12-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
166-171