基于深度學習的車輛型號識別.pdf

1、目標識別是計算機視覺一個重要的研究領域，由此延伸出的車輛型號識別具有重要的實際應用價值，特別是在當今交通狀況復雜的大城市，智能交通系統(tǒng)成為發(fā)展趨勢，這離不開對車輛型號進行識別和分類的工作，本文圍繞如何利用計算機視覺的方法進行車輛型號的識別和分類展開了一系列研究：
　　本文對當前的目標識別和分類的特征和算法做了總結和歸納。分析比較了作為圖像特征描述常見的特征算子，總結歸納了他們的提取方法、特征性能以及相互之間的關聯(lián)。另外，介紹了在目

2、標識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)絡的理論依據(jù)，分析比較了深度神經(jīng)網(wǎng)絡不同的特征學習方法，以及卷積神經(jīng)網(wǎng)絡的訓練方法。分析比較不同特征學習方法的特點選取k-means作為本文使用的特征學習方法，利用卷積神經(jīng)網(wǎng)絡結構搭建深度學習模型，進行車輛車型識別工作。
　　本文為了測試基于深度學習的車輛型號分類算法的性能在30個不同型號共7158張圖片上進行實驗；并在相同數(shù)據(jù)上利用改進了的SIFT特征匹