車(chē)型精細(xì)識(shí)別旨對(duì)外觀差異較小的車(chē)輛進(jìn)行細(xì)粒度型號(hào)分類(lèi),其廣泛應(yīng)用于統(tǒng)計(jì)交通流量、公路自動(dòng)收費(fèi)以及無(wú)人駕駛等領(lǐng)域。然而,已有車(chē)型精細(xì)識(shí)別方法仍存在以下問(wèn)題:一方面,多數(shù)方法停留在卡口監(jiān)控下單一正面角度的研究且這類(lèi)方法未能綜合考慮圖像特征分布不均勻特點(diǎn),從而導(dǎo)致了識(shí)別精度不夠理想;另一方面,對(duì)于多角度的研究不夠廣泛,主要原因是多角度下的車(chē)輛背景復(fù)雜多樣、視覺(jué)特征不穩(wěn)定,從而給識(shí)別任務(wù)帶來(lái)了困難�；诖�,本文的主要研究工作如下:(1)根據(jù)交通卡口監(jiān)控下正面角度車(chē)輛圖像上下特征分布不均勻特點(diǎn),提出了一種基于車(chē)輛正面圖像的車(chē)型精細(xì)識(shí)別算法。首先以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)設(shè)計(jì)了兩個(gè)不同深度的分支網(wǎng)絡(luò)以及一個(gè)融合網(wǎng)絡(luò)。其中,淺層上部分支網(wǎng)絡(luò)用于提取非車(chē)輛表面部特征,深層下部分支網(wǎng)絡(luò)用于提取車(chē)輛表面部特征,融合網(wǎng)絡(luò)用于對(duì)兩區(qū)域提取到的特征進(jìn)行多分支、多尺度融合,以進(jìn)一步抽象并提取具有顯著區(qū)分度的特征。通過(guò)在卡口拍攝的正面角度車(chē)輛數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文方法取得的識(shí)別效果更好,具有實(shí)際應(yīng)用價(jià)值。(2)在分析目前多角度車(chē)型精細(xì)識(shí)別存在背景復(fù)雜、視覺(jué)特征不穩(wěn)定等難點(diǎn)基礎(chǔ)上,提出了一種基于多角度特征融合的車(chē)型精細(xì)...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３迭代次數(shù)與準(zhǔn)確率關(guān)系對(duì)比圖??３．２實(shí)驗(yàn)結(jié)果分析??

０?２?４?６?８?ｘｌＯＪ??迭代次數(shù)??圖３迭代次數(shù)與準(zhǔn)確率關(guān)系對(duì)比圖??３．２實(shí)驗(yàn)結(jié)果分析??為驗(yàn)證本文方法在車(chē)型識(shí)別時(shí)的優(yōu)越性，擬與??Ｈａｒｒｉｓ?＆?ＳＩＦＴ方法［８１、稀疏ＳＩＦＴ方法［６］和傳統(tǒng)深度學(xué)??習(xí)方法［９］在車(chē)型識(shí)別數(shù)和車(chē)型識(shí)別準(zhǔn)確率兩個(gè)方面??進(jìn)行對(duì)比....

圖2.1卷積核與輸入數(shù)據(jù)

南京航空航天大學(xué)碩士學(xué)位論文第二章相關(guān)技術(shù)神經(jīng)網(wǎng)絡(luò)經(jīng)網(wǎng)絡(luò)是實(shí)際應(yīng)用中最為成功的一種神經(jīng)網(wǎng)絡(luò)，其專(zhuān)門(mén)用于處理格狀本節(jié)將介紹卷積神經(jīng)網(wǎng)絡(luò)中的兩個(gè)最基本的層次結(jié)構(gòu)：卷積層與池層是卷積神經(jīng)網(wǎng)絡(luò)中最重要的部分卷積運(yùn)算實(shí)際上是一種數(shù)學(xué)運(yùn)算方積運(yùn)算可以看作矩陣的乘法卷積核也可以被看作是....

圖2.2二維場(chǎng)景下的卷積操作示例

基于深度學(xué)習(xí)的車(chē)型精細(xì)識(shí)別在三維情形下，卷積操作可以用如下公式表示：)）1111,,,,,,,00llllllllHWDlijdijddiijjdijdyfx(2.1)其中，11(,)llij表....

圖2.3三維場(chǎng)景下的卷積操作在公式(2.1)中，,,,lijddf可看作學(xué)習(xí)到的權(quán)重，可以發(fā)現(xiàn)該項(xiàng)權(quán)重對(duì)不同位置的所有輸入都

圖2.3三維場(chǎng)景下的卷積操作在公式(2.1)中，,,,lijddf可看作學(xué)習(xí)到的權(quán)重，可以發(fā)現(xiàn)該項(xiàng)權(quán)重對(duì)不同位置的所有同的，這體現(xiàn)了卷積層權(quán)值共享的特性

本文編號(hào)：4056781