文献类型：期刊文章

作　　者：王秀席[1,2] 王茂宁[3] 张建伟[1,2] 程鹏[4]

Wang Xiuxi;Wang Maoning;Zhang Jianwei;Cheng Peng(College of Computer Science;National Key Laboratory of Fundamental Science on Synthetic Vision;School of Electrical Engineering ＆ Information;School of Aeronautics ＆ Astronautics,Sichuan University,Chengdu 610065,China)

机构地区：[1]四川大学计算机学院,成都610065 [2]四川大学视觉合成图形图像技术国家重点学科实验室,成都610065 [3]四川大学电气信息学院,成都610065 [4]四川大学空天科学与工程学院,成都610065

出　　处：《计算机应用研究》

基　　金：2013成都市八大科技产业化工程资助项目

年　　份：2018

卷　　号：35

期　　号：7

起止页码：2215-2218

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有车型识别算法的耗时长、特征提取复杂、识别率低等问题,引入了基于深度学习的卷积神经网络(convolutional neural network,CNN)方法。此方法具有鲁棒性好、泛化能力强、识别度高等优点,因而被广泛使用于图像识别领域。在对公路中的四种主要车型(大巴车、面包车、轿车、卡车)的分类实验中,改进后的卷积神经网络LeNet-5使车型训练、测试结果均达到了98%以上,优于传统的SIFT+SVM算法;另外,还研究了改进网络中的Dropout层对车型识别效果的影响。与传统算法相比,经过改进后的卷积神经网络LeNet-5,在减少检测时间和提高识别率等方面都有了显著提高,在车型识别上具有明显的优势。

关 键 词：深度学习  卷积神经网络 LeNet-5  车型识别

分 类 号：TP391.4]