推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于深度神经网络的车型识别设计与实现

更新时间:2019-11-15 15:17:07 大小:10M 上传用户:sun2152查看TA发布的资源 浏览次数:64 下载积分:0分 下载次数:0 次 标签:深度神经网络车型识别 出售积分赚钱 评价赚积分 ( 如何评价?) 收藏 评论(0) 举报

资料介绍

1.为了建立适合本文的车型数据库,本文融合了PKUVehiclelD,BIT Vehicle以及使用网络爬虫从网上爬取的各类车型图片建立的车型数据集,这保证了本文中采用的数据来源丰富。为了进一步提升较暗图像的对比度,对数据集中亮度低于阈值的图像进行直方图均衡化处理。在最终建立的车型数据库包含了jeep-指南者,宝马-X1,比亚迪F3-2007-2011款等228类车型样本图像共计10432张图像。并针对车辆前脸图片中语义信息较强的部分定义了后视镜,车灯,车牌,车标,前挡风玻璃五个关键部件,并制作了相应的检测数据集。

2.针对原版单发多框检测器(Single Shot MultiBox Detector,SSD)模型对网络各层次特征图利用不充分的问题,导致其在对较小目标进行检测时准确度不高的问题,提出了一种改进的基于SSD网络的车脸关键部件检测模型。该模型利用了特征金字塔网络(Feature Pyramid Networks,FPN)作为基底网络提取特征图,较好的融合了神经网络中的底层与高层特征,提升了SSD算法对车辆部件这类较小目标的检测能力,相较于原版SSD模型对车辆部件的检测率提升了5%。

3.对目前常用的图像分类网络进行分析,例如AlexNet,VGGNet,ResNet。并用他们以及传统图像分类方法在本文中的数据集中进行训练测试。实验结果表明,基于深度神经网络的方法准确率远远优于传统图像分类算法,ResNet的分类准确度最高,达到86.8%。并在此基础上分析了AlexNet准确率较低的原因,并作出改进后,在车型分类任务上的准确率提升5.1%。接着利用改进后的AlexNet 与修改后的LeNet分别在整张车辆图片与关键部件区域进行特征提取,最终形成联合特征。利用生成的联合特征进行分类,最终较之前ResNet的分类准确率提升2%。


部分文件列表

文件名 大小
基于深度神经网络的车型识别设计与实现.pdf 10M

推荐下载

全部评论(0)

暂无评论