论文摘要
汽车类型快速准确识别在智能交通和视频中汽车检测具有重要意义,传统的汽车识别方法都依赖于数据预处理和特征提取,基于此,文中将卷积神经网络用于汽车识别。文中设计的卷积神经网络为加快模型的训练速度,在设计的模型中加入3层批归一化层。实验中,以三种载人车为研究对象,从每种车的图像中随机选取200张用于模型的训练,剩余图像数据用于训练好的模型测试。模型测试中,加入批归一化后的模型在测试集的识别率为98.87%,高于未加入批归一化的模型。结果表明,将卷积神经网络用于汽车识别,不仅省去复杂的特征提取工作,而且具有较高的识别率。
论文目录
文章来源
类型: 期刊论文
作者: 刘斌,陈桂芬,董聪瀚
关键词: 汽车识别,卷积神经网络,批归一化
来源: 长春理工大学学报(自然科学版) 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 长春理工大学电子信息工程学院
基金: 吉林省发展改革委员会项目(222160103009)
分类号: TP391.41;TP183;U495
页码: 75-79
总页数: 5
文件大小: 1959K
下载量: 178