基于深度學(xué)習(xí)的車輛型號(hào)識(shí)別.pdf

1、目標(biāo)識(shí)別是計(jì)算機(jī)視覺一個(gè)重要的研究領(lǐng)域，由此延伸出的車輛型號(hào)識(shí)別具有重要的實(shí)際應(yīng)用價(jià)值，特別是在當(dāng)今交通狀況復(fù)雜的大城市，智能交通系統(tǒng)成為發(fā)展趨勢(shì)，這離不開對(duì)車輛型號(hào)進(jìn)行識(shí)別和分類的工作，本文圍繞如何利用計(jì)算機(jī)視覺的方法進(jìn)行車輛型號(hào)的識(shí)別和分類展開了一系列研究：
　　本文對(duì)當(dāng)前的目標(biāo)識(shí)別和分類的特征和算法做了總結(jié)和歸納。分析比較了作為圖像特征描述常見的特征算子，總結(jié)歸納了他們的提取方法、特征性能以及相互之間的關(guān)聯(lián)。另外，介紹了在目

2、標(biāo)識(shí)別工作中常用的分類方法,闡述了他們各自的原理和工作方法。研究了深度神經(jīng)網(wǎng)絡(luò)的理論依據(jù)，分析比較了深度神經(jīng)網(wǎng)絡(luò)不同的特征學(xué)習(xí)方法，以及卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法。分析比較不同特征學(xué)習(xí)方法的特點(diǎn)選取k-means作為本文使用的特征學(xué)習(xí)方法，利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搭建深度學(xué)習(xí)模型，進(jìn)行車輛車型識(shí)別工作。
　　本文為了測(cè)試基于深度學(xué)習(xí)的車輛型號(hào)分類算法的性能在30個(gè)不同型號(hào)共7158張圖片上進(jìn)行實(shí)驗(yàn)；并在相同數(shù)據(jù)上利用改進(jìn)了的SIFT特征匹