基于卷积神经网络的车型识别
2021-07-22马国栋姚善化
绿色科技 2021年12期
马国栋,姚善化
(安徽理工大学 电气与信息工程学院,安徽 淮南 232000)
1 引言
随着人们生活水平的提高,车辆数量大幅增加,也致交通事故和违法犯罪增加。车辆识别在智能交通管理中起着重要的作用,而车型识别是车辆识别领域的一个重要方向。目前已经出现很多技术可以解决车辆分类的问题,只是在特定的环境中需要更适合的方法和技术,这样才能够更高效的解决特定的问题。本文提出一种基于卷积神经网络的车辆类型的区分检测识别,目的在于通过深度学习实现监控智能化,以此减少车辆事故与保证安全。
文献[1]利用基于CNN的车型识别方法,建立了一个可以区分5种车型的模型。基于车辆的前视图像,文献[2]提出了一种基于深度学习的车辆模型识别算法。采用图像预处理方法进行数据集处理,有效降低了无关因素对网络训练的影响。本文提出深度学习训练卷积神经网的高性能识别模型,通过评估卷积层数、卷积核大小、卷积层与池化层的数量配比等参数,实现网络性能的比较和优化及卷积核的选择。
2 卷积神经网络
CNN的结构由一个或多个连续的卷积层组成,然后是规则的完全连接的ANN(人工神经网络)层。在深度学习中,卷积神经网络是一种重要的算法,近年来在图形的识别检测,语音的检测识别,人脸识别等重要领域中有着突出的表现和较高的稳定性。
2.1 CNN的结构
传统CNN主要由输入层、卷积层、汇聚层和全连接层组成。卷积神经网的结构中卷积层和汇集层是关键部分主要用于提取被检测图像的特征。……
登录APP查看全文
