论文摘要
车身颜色是车辆显著而稳定的特征之一,也是车辆识别中广泛应用的主要线索。卷积神经网络是一种能够自适应地学习车辆颜色特征的深度学习方法,在复杂场景下具有更好的鲁棒性。本文基于VGGNet网络结构,设计了一个具有较深层次和小卷积核的网络模型,并对常见的车辆颜色进行了训练和测试。结果表明,本文的模型具有耗时短、准确率高的特点,在车辆颜色识别上具有较强的实用意义。
论文目录
文章来源
类型: 期刊论文
作者: 顾思思,李文
关键词: 卷积神经网络,车辆颜色识别,深度学习
来源: 湖南科技学院学报 2019年10期
年度: 2019
分类: 社会科学Ⅱ辑,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: 湖南科技学院电子与信息工程学院
基金: 湖南省应用特色学科建设项目资助,湖南省教育厅科学研究项目（项目编号17C0678）,永州市科技局计划项目(项目编号2018ZD01)
分类号: TP183;TP391.41;U495
DOI: 10.16336/j.cnki.cn43-1459/z.2019.10.021
页码: 65-67
总页数: 3
文件大小: 399K
下载量: 139