傳統(tǒng)的車牌識(shí)別系統(tǒng)無法滿足物流業(yè)中復(fù)雜環(huán)境的物流車輛定位與檢測(cè)的要求。在物流行業(yè)中,物流被稱為企業(yè)的“第三方利潤源泉”,特別是在物流運(yùn)輸?shù)拳h(huán)節(jié)中。有效定位物流車輛、掌握物流信息,統(tǒng)籌規(guī)劃,減少不必要成本,有著更為重要和深遠(yuǎn)的意義。目前主流的識(shí)別系統(tǒng)大都適用于轎車,對(duì)物流車輛特征識(shí)別的研究還較少�；谏疃葘W(xué)習(xí)的算法,包括兩大組成部分,目標(biāo)定位部分和圖像識(shí)別部分,本文選擇Faster R-CNN作為基本的目標(biāo)定位與識(shí)別網(wǎng)絡(luò)。在現(xiàn)場(chǎng)大量圖片的基礎(chǔ)上,通過細(xì)分各類車型,將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集。針對(duì)物流車輛定位識(shí)別陷入局部最優(yōu)解問題,進(jìn)行參數(shù)最優(yōu)化設(shè)置與研究。（1）研究目的是實(shí)現(xiàn)對(duì)目標(biāo)物流車輛特征的精確識(shí)別,針對(duì)模型訓(xùn)練過擬合問題,采用了數(shù)據(jù)批量標(biāo)準(zhǔn)化方法,改進(jìn)了模型訓(xùn)練的效果,解決了模型陷入局部最優(yōu)解問題。（2）針對(duì)訓(xùn)練樣本不均衡、特殊物流車輛目標(biāo)難訓(xùn)練問題,在保有原樣本情況下,提出了一種基于在線樣本挖掘和負(fù)難分樣本挖掘技術(shù)相結(jié)合的方法,通過訓(xùn)練中實(shí)時(shí)篩選的最大損失值難分樣本進(jìn)行誤差傳遞,解決了樣本不足、不均衡和特定車輛目標(biāo)難識(shí)別問題,實(shí)現(xiàn)了難分車輛目標(biāo)的準(zhǔn)確分類。（3）為更好地... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：126 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

歷屆ILSVRC比賽圖片分類錯(cuò)誤率[62]

技術(shù)路線圖

FastR-CNN網(wǎng)絡(luò)結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)面部圖像識(shí)別的拖拉機(jī)駕駛員疲勞檢測(cè)[J]. 盧偉,胡海陽,王家鵬,王玲,Yiming Deng.  農(nóng)業(yè)工程學(xué)報(bào). 2018(07)
[2]基于深度學(xué)習(xí)的多視窗SSD目標(biāo)檢測(cè)方法[J]. 唐聰,凌永順,鄭科棟,楊星,鄭超,楊華,金偉.  紅外與激光工程. 2018(01)
[3]基于多分類的車輛軌跡地圖匹配算法的研究[J]. 王麗娟.  智能計(jì)算機(jī)與應(yīng)用. 2017(06)
[4]基于端到端分布式框架的符號(hào)網(wǎng)絡(luò)預(yù)測(cè)方法[J]. 趙衎衎,張靜,張良富,李翠平,陳紅.  軟件學(xué)報(bào). 2018(03)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的車輛品牌和型號(hào)識(shí)別[J]. 黎哲明,蔡鴻明,姜麗紅.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[6]基于霍夫變換和RANSAC算法的絕緣子定位方法[J]. 沈新平,彭剛,袁志強(qiáng).  電子測(cè)量技術(shù). 2017(06)
[7]航拍絕緣子卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)及自爆識(shí)別研究[J]. 陳慶,閆斌,葉潤,周小佳.  電子測(cè)量與儀器學(xué)報(bào). 2017(06)
[8]關(guān)于電子標(biāo)簽檢測(cè)技術(shù)研究[J]. 徐進(jìn).  信息技術(shù). 2017(04)
[9]基于區(qū)域劃分和霍夫變換的車牌傾斜校正[J]. 王越,黃龍超,李琴.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2017(03)
[10]基于改進(jìn)Sobel算子的動(dòng)態(tài)自動(dòng)調(diào)焦算法研究[J]. 褚翔,祝連慶,婁小平,孟曉辰,潘志康.  應(yīng)用光學(xué). 2017(02)

碩士論文
[1]車輛多特征識(shí)別方法研究與實(shí)現(xiàn)[D]. 王博.電子科技大學(xué) 2017
[2]基于深度學(xué)習(xí)的人臉檢測(cè)算法的研究與實(shí)現(xiàn)[D]. 陳成.電子科技大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和上下文模型的目標(biāo)檢測(cè)[D]. 馬增妍.北京工業(yè)大學(xué) 2016
[4]基于深度學(xué)習(xí)的車輛定位及車型識(shí)別研究[D]. 張飛云.江蘇大學(xué) 2016
[5]深度學(xué)習(xí)算法在車牌識(shí)別系統(tǒng)中的應(yīng)用[D]. 劉崢強(qiáng).電子科技大學(xué) 2016
[6]基于深度學(xué)習(xí)的車輛型號(hào)識(shí)別[D]. 熊祎.華中科技大學(xué) 2014
[7]車輛特征檢測(cè)研究與實(shí)現(xiàn)[D]. 龐鋒.電子科技大學(xué) 2012
[8]利用地感應(yīng)線圈檢測(cè)機(jī)動(dòng)車輛的原理與實(shí)現(xiàn)[D]. 夏發(fā)欽.武漢科技大學(xué) 2011



本文編號(hào)：2895665