2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩72頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、汽車業(yè)的快速發(fā)展給我們的生活帶來了巨大的便利,同時也帶來了很多問題,如交通堵塞、盜搶機(jī)動車輛、利用機(jī)動車輛犯罪等等。通過現(xiàn)有技術(shù)自動識別車輛車型可以對該類問題快速反應(yīng),加快解決效率。車輛特征學(xué)習(xí)是車型識別的重要環(huán)節(jié),而有效地提取和描述車輛圖像的特征信息、建立有效的車型識別模型和理論框架以及高效地應(yīng)對大規(guī)模車輛圖像的實時識別處理,是車輛特征學(xué)習(xí)與車型識別研究的關(guān)鍵。
  本文對車輛圖像的本質(zhì)特征進(jìn)行了深入學(xué)習(xí)研究,構(gòu)建了相應(yīng)的車型識

2、別框架,主要研究內(nèi)容如下:
  1、研究分析了車輛圖像的傳統(tǒng)特征性能,構(gòu)建了基于傳統(tǒng)特征的車型識別框架。對目前廣泛使用的底層特征算子SIFT、HOG、LBP進(jìn)行了研究學(xué)習(xí),并在其基礎(chǔ)上提取了車輛圖像的中層特征BOF、FV、VLAD。通過車型識別實驗表明,傳統(tǒng)特征算子的表現(xiàn)力并不理想。
  2、研究分析了車輛圖像的深度融合特征,構(gòu)建了基于深度融合特征的車型識別框架。對近幾年最為經(jīng)典的深度網(wǎng)絡(luò)框架的構(gòu)成原理和設(shè)計思路進(jìn)行了深入分

3、析和研究,針對現(xiàn)有深層網(wǎng)絡(luò)的不足,對GoogLeNet的Inception模塊進(jìn)行了進(jìn)一步分解,并嘗試將Inception模塊和ResNet進(jìn)行融合,構(gòu)建了基于深度融合特征的車型識別框架。通過車型識別實驗表明,深度融合特征是有效的,提升了車型識別的識別率。
  3、研究分析了車輛圖像的深度稠密特征,探索車輛圖像更為本質(zhì)的特征表達(dá)。針對現(xiàn)有深層次網(wǎng)絡(luò)難以訓(xùn)練的問題,基于ResNet的殘差連接思路進(jìn)行了深度稠密特征學(xué)習(xí),同時將中心損失

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論