文献类型：期刊文章

作　　者：陈立潮[1] 卜楠[1] 潘理虎[1,3] 曹建芳[2] 张英俊[1]

CHEN Li-chao;BU Nan;PAN Li-hu;CAO Jian-fang;ZHANG Ying-jun(School of Computer Science and Technology,Taiyuan University of Science and Technology,Taiyuan 030000,China;Department of Computer Science and Technology,Xinzhou Teachers University,Xinzhou 034000,China;Institute of Geographic Science and Natural Resource Research,Chinese Academy of Sciences,Beijing 100101,China)

机构地区：[1]太原科技大学计算机科学与技术学院,山西太原030000 [2]忻州师范学院计算机科学与技术系,山西忻州034000 [3]中国科学院地理科学与资源研究所,北京100101

出　　处：《计算机工程与设计》

基　　金：山西省中科院科技合作基金项目(20141101001);"十二五"山西省科技重大专项基金项目(20121101001);山西省科技攻关基金项目(20141039);山西省重点研发计划基金项目(201603D121031)

年　　份：2019

卷　　号：40

期　　号：11

起止页码：3331-3336

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决传统车型识别方法提取特征信息单一、识别精度不高、效率低的问题,将卷积神经网络引入目标识别问题中,利用其清晰、高效的泛化能力完成车型的特征学习,围绕模型的框架结构设计和内部参数优化两个方面进行研究,提出一种基于改进的Alex Net网络模型。将循环神经网络与卷积神经网络融合嵌入二级框架,设计自定义池化方式并对参数更新过程方法进行合理组合,通过提取浅层和高层的组合特征保证训练过程输入信息的多样性,使特征表达更加精确,网络性能更加高效。将该模型应用于视频监控图像车型识别任务中,通过在BIT-vehicle数据集上的一系列对比实验验证了所提模型的有效性。

关 键 词：车型识别 Alex  Net卷积神经网络  循环神经网络 特征融合  池化  

分 类 号：TP391]