10.3969/j.issn.1672-6944.2019.04.022
基于深度学习的渣土车顶部覆盖率识别系统
卷积神经网络是一种基于局部权值共享的深度学习网络模型,近些年来被提出并广泛应用于语音识别、图像识别、图像分割、自然语言等领域.文章分析了目前主流的卷积神经网络模型及其实现方法,并在残差神经网络的基础上加以改进,通过增加浅层网络到深层网络的多个通路,将粗糙的背景信息和具有丰富细节的纹理信息加以融合,用以增强深层的卷积网络层的特征信息,从而对具有复杂背景信息和纹理的渣土车图像进行识别与分类.实验结果表明,本方法能进一步提升深度卷积网络对于渣土车顶部覆盖率的分类准确率.
图像分类、卷积神经网络、多特征融合、渣土车
16
2019-05-14(万方平台首次上网日期,不代表论文的发表时间)
共2页
46-47