欢迎光临,现在是     设为首页   加入收藏   联系我们
文章摘要
张素雯,张永辉.深层卷积神经网络在车标分类上的应用[J].海南大学学报编辑部:自然科学版,2017,35(2):.
深层卷积神经网络在车标分类上的应用
Application of Deep Convolution Neural Network in Vehicle-logo Classification
投稿时间: 2016-12-23  最后修改时间: 2017-03-22
DOI:
中文关键词: 视频监控,深度学习,深层卷积神经网络,车标识别
英文关键词: video surveillance, deep learning, Convolutional Neural Network (CNN), vehicle-logo recognition
基金项目:海南省应用技术开发项目(ZDXM2015103)
作者单位E-mail
张素雯 海南大学信息科学技术学院 海南大学南海海洋资源利用国家重点实验室 海口 suwenzhang361@163.com 
张永辉 海南大学信息科学技术学院 海南大学南海海洋资源利用国家重点实验室 海口 45146989@qq.com 
摘要点击次数: 61
全文下载次数: 
中文摘要:
      针对交通视频监控中图片多分类还不够准确、不适应恶劣环境的问题,本文在目标不够清晰的视频中采集车标样本,并通过加噪的方式扩充了样本量,最后设计三层卷积神经网络,寻求合适的参数,从训练样本中提取特征,充分利用了训练样本提供的信息进行模型训练和分类,此方法在光照变化和噪声污染的情况下仍能保持较高的准确率,能适应恶劣环境,在自有数据集上分类准确率高达99.06%.
英文摘要:
      For most of the multi-classification of the picture is not accurate enough in video surveillance, and the recognition is roughly to be done in bad environment。This paper collects some vehicle-logo samples from the video which is not clear enough firstly, and then expands the sample size by add noise to the samples, and finally proposes a deep convolution neural network of three layers to recognize vehicle-logo. This deep convolution neural network can keep high accuracy in the condition of illumination change and noise pollution. The accuracy rate of classification is as high as 99.06% on its own dataset.
关闭