论文摘要
车辆识别方法计算量大,提取的特征复杂,且传统神经网络利用端层特征进行分类导致特征不全面,为此提出了一种结合卷积神经网络(CNN)多层特征和支持向量机(SVM)的车辆识别方法。该方法在传统AlexNet模型基础上构建卷积神经网络模型,通过分析参数变化对测试正确率的影响得到最优车辆识别模型;提取多层车辆特征图,采用串行融合方法与主成分分析降维技术将其构成一个具有多属性的车辆特征向量,以增强特征全面性,减少计算量;利用SVM分类器代替CNN的输出层实现车辆识别,以提高模型泛化能力与纠错能力。实验结果表明,相比传统方法,所提方法在分类精度和识别速度方面都有显著提高,且具有良好的稳健性。
论文目录
文章来源
类型: 期刊论文
作者: 马永杰,马芸婷,陈佳辉
关键词: 图像处理,卷积神经网络,车辆识别,改进模型,主成分分析,支持向量机
来源: 激光与光电子学进展 2019年14期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,汽车工业,计算机软件及计算机应用,自动化技术
单位: 西北师范大学物理与电子工程学院
基金: 国家自然科学基金(41461078)
分类号: TP18;TP391.41;U495;U463.6
页码: 55-61
总页数: 7
文件大小: 1676K
下载量: 428
相关论文文献
- [1].基于卷积神经网络的车辆识别技术研究[J]. 环境技术 2020(03)
- [2].车辆识别技术综述[J]. 北京工业大学学报 2018(03)
- [3].板坯库无人天车与车辆识别系统通讯接口设计[J]. 自动化技术与应用 2020(02)
- [4].深度预警网络的车辆识别与检测[J]. 中国科技论文 2020(03)
- [5].车辆识别系统在白鹤滩大坝混凝土生产系统应用中的优化[J]. 交通世界 2020(24)
- [6].从车辆识别到人脸识别,全面护航智慧城市[J]. 中国公共安全 2018(10)
- [7].电子车辆识别技术的性能、安全性和成本分析及应用[J]. 交通标准化 2012(18)
- [8].射频识别技术(RFID)用于车辆识别的路面测试与分析[J]. 河北交通职业技术学院学报 2013(01)
- [9].基于计算机网络技术的车辆识别技术[J]. 科技创新导报 2012(22)
- [10].模糊神经网络在车辆识别中的应用[J]. 五邑大学学报(自然科学版) 2010(04)
- [11].嵌入式单片机在车辆识别中的应用[J]. 农家参谋 2019(23)
- [12].基于深度学习的车辆识别系统设计[J]. 科技风 2020(15)
- [13].基于卡口车辆识别数据的车辆路径识别[J]. 交通工程 2020(04)
- [14].基于深度学习的复杂场景下车辆识别方法[J]. 计算机与数字工程 2018(09)
- [15].基于树莓派开发板的车辆识别系统设计[J]. 单片机与嵌入式系统应用 2017(04)
- [16].假冒“绿色通道”车辆识别与管理[J]. 山东交通科技 2014(06)
- [17].深度图像处理在车辆识别中的应用[J]. 价值工程 2016(25)
- [18].基于计算机网络技术的车辆识别技术的研究[J]. 煤炭技术 2013(04)
- [19].基于主元证据理论在车辆识别中的应用[J]. 计算机测量与控制 2017(05)
- [20].基于视频的车辆识别检索系统研究[J]. 科技传播 2017(10)
- [21].基于双基站交通数据采集技术的假套牌车辆识别方法[J]. 交通信息与安全 2017(04)
- [22].基于图像处理技术的车辆识别系统[J]. 电子世界 2020(02)
- [23].自动车辆识别与装车系统研究[J]. 工矿自动化 2014(08)
- [24].卷积神经网络在车辆识别中的应用[J]. 计算机科学与探索 2018(02)
- [25].车辆识别与样本自动采集方法的研究[J]. 延边大学学报(自然科学版) 2015(02)
- [26].超声波收发机在车辆识别系统中的设计与应用[J]. 科技信息 2008(33)
- [27].基于计算机视觉的车辆识别技术[J]. 汽车实用技术 2018(24)
- [28].用于车辆识别的深度学习模型的优化[J]. 天津师范大学学报(自然科学版) 2019(01)
- [29].基于单片机的车辆识别系统设计[J]. 电子测试 2019(22)
- [30].自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别[J]. 计算机辅助设计与图形学学报 2014(01)