10.3969/j.issn.1001-3695.2018.07.072
基于改进的卷积神经网络LeNet-5的车型识别方法
针对现有车型识别算法的耗时长、特征提取复杂、识别率低等问题,引入了基于深度学习的卷积神经网络(convolutional neural network,CNN)方法.此方法具有鲁棒性好、泛化能力强、识别度高等优点,因而被广泛使用于图像识别领域.在对公路中的四种主要车型(大巴车、面包车、轿车、卡车)的分类实验中,改进后的卷积神经网络LeNet-5使车型训练、测试结果均达到了98%以上,优于传统的SIFT+ SVM算法;另外,还研究了改进网络中的Dropout层对车型识别效果的影响.与传统算法相比,经过改进后的卷积神经网络LeNet-5,在减少检测时间和提高识别率等方面都有了显著提高,在车型识别上具有明显的优势.
深度学习、卷积神经网络、LeNet-5、车型识别
35
TP391.4(计算技术、计算机技术)
2013成都市八大科技产业化工程资助项目
2018-11-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
2215-2218