0 引言
近年來(lái),針對(duì)車輛類型識(shí)別的技術(shù)研究主要有:(1)結(jié)合車牌以及車標(biāo)信息的車型識(shí)別方法,,(2)結(jié)合全局特征和局部特征的車型識(shí)別方法,,(3)采用卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別方法等。其中,,第(1)類可以用來(lái)直接識(shí)別出車輛類型和制造商[1],,但不能識(shí)別出車輛類型的細(xì)粒度信息,如果車牌和車標(biāo)被覆蓋或者偽造,,識(shí)別結(jié)果將不可靠,。第(2)類特征包括定向輪廓點(diǎn)、尺度不變換特征(Scale-Invariant Feature Transform,,SIFT),、Sobel邊緣響應(yīng)、邊緣定向,、直接正態(tài)化梯度,、局部歸一化梯度,、Harris角響應(yīng)等[2-11];這些特征針對(duì)常見(jiàn)車型,,識(shí)別率比較高,,但人工介入過(guò)多。第(3)類采用深度學(xué)習(xí)方法,,可以自動(dòng)進(jìn)行特征提取,,共享卷積核,處理高維數(shù)據(jù)毫無(wú)壓力[12],;但當(dāng)網(wǎng)絡(luò)層數(shù)太深時(shí),,采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)收斂速度較慢。
本文研究一種基于支持向量機(jī)(Support Vector Machine,,SVM)和改進(jìn)的快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)車型識(shí)別方法,。目標(biāo)是降低計(jì)算的多重性,提高準(zhǔn)確度,、靈敏度,、特異度和精密度。
論文詳細(xì)內(nèi)容請(qǐng)下載http://forexkbc.com/resource/share/2000002795
作者信息:
馬 秀1,,譚???,李 震1,,李良榮1
(1.貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院,,貴州 貴陽(yáng)550025;2.興義民族師范學(xué)院 物理與電子科學(xué)系,,貴州 興義562400)