發(fā)布時(shí)間：2021-08-21 16:00

　　隨著交通系統(tǒng)中車輛數(shù)量的不斷增加,智能化的視頻監(jiān)控和管理的重要性也在與日俱增,并逐漸成為人工智能最重要的領(lǐng)域之一。車輛相關(guān)的問題正在得到廣泛的研究和應(yīng)用。因?yàn)榻煌ü芾淼炔块T有著海量的視頻圖像監(jiān)控?cái)?shù)據(jù),計(jì)算機(jī)視覺與深度學(xué)習(xí)算法在各種相關(guān)技術(shù)中脫穎而出,成為最流行的研究方法。本文研究了基于視覺的車輛精細(xì)分類和重識(shí)別方法。針對(duì)應(yīng)用場(chǎng)景復(fù)雜、設(shè)備運(yùn)算能力不足、圖像視頻數(shù)據(jù)分辨力不足等問題,本文從多個(gè)角度提出多種方法來解決這些問題,并獲得的良好的結(jié)果。本文的主要研究?jī)?nèi)容如下:1.針對(duì)現(xiàn)有的車牌識(shí)別網(wǎng)絡(luò)層數(shù)過多,速度過慢的問題,本文提出了一個(gè)輕量級(jí)的、基于字符的車牌識(shí)別網(wǎng)絡(luò)。與以往將車牌作為一個(gè)整體識(shí)別不同,該模型將車牌每一位分開識(shí)別且優(yōu)化了每一位車牌的劃分方法,從而有效的減少了整體識(shí)別帶來的誤差。模型對(duì)高層特征圖進(jìn)行有重疊的剪切操作來實(shí)現(xiàn)高魯棒性的識(shí)別,并針對(duì)車牌排列特點(diǎn)設(shè)計(jì)了不同的重疊率。此外,精簡(jiǎn)了識(shí)別模型,提高了模型速度。實(shí)驗(yàn)結(jié)果表明該模型在保證高準(zhǔn)確度的情況下顯著快于其他方法。2.針對(duì)精細(xì)分類領(lǐng)域?qū)囆头诸愌芯可�、泛化精�?xì)分類模型對(duì)車型分類的問題表達(dá)能力不足等問題,本文提出了基于深度學(xué)習(xí)... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院大學(xué)人工智能學(xué)院)北京市

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１傳統(tǒng)機(jī)器學(xué)習(xí)方法??Ｆｉｇｕｒｅ?１．１?Ｔｒａｄｉｔｉｏｎａｌ?Ｍａｃｈｉｎｅ?Ｌｅａｒｎｉｎｇ?Ｍｅｔｈｏｄｓ??

ｒｅｐｒｅｓｅｎｔａｔ，ｏｎ?｛ｅ．ｇ．?Ｓ｜ＦＴ）??圖１．１傳統(tǒng)機(jī)器學(xué)習(xí)方法??Ｆｉｇｕｒｅ?１．１?Ｔｒａｄｉｔｉｏｎａｌ?Ｍａｃｈｉｎｅ?Ｌｅａｒｎｉｎｇ?Ｍｅｔｈｏｄｓ??深度學(xué)習(xí)的概念并不新鮮，從概念的產(chǎn)生到如今已經(jīng)有了幾十年，因?yàn)樵O(shè)備??計(jì)算能力的低下而沒有受到足夠的重視。但如今，隨著大量的可用數(shù)據(jù)、強(qiáng)大的??并行計(jì)算平臺(tái)以及⑶ＤＡ等工具的出現(xiàn)，深度學(xué)習(xí)越來越受到重視，并在圖像??分類檢索ｐｎ、分割［３２］、目標(biāo)檢測(cè)［３３，３４］等許多視覺應(yīng)用中取得了巨大的成??功。深度學(xué)習(xí)有兩個(gè)主要的研究分支。一種是主要用于計(jì)算機(jī)視覺任務(wù)的卷積??神經(jīng)網(wǎng)絡(luò)（ｃｏｎｖｏｌｕｔｉｏｎａｌ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋｓ），另一種是主要用于自然語言處理的循??環(huán)神經(jīng)網(wǎng)絡(luò)（ｒｅｃｕｒｒｅｎｔ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋｓ）。卷積神經(jīng)網(wǎng)絡(luò)最初是為了學(xué)習(xí)圖像的分??層視覺特征而提出的，在網(wǎng)絡(luò)中，每個(gè)卷積層提取前一層輸出的特征，最后利用??這些特征進(jìn)行相應(yīng)任務(wù)。一個(gè)典型的卷積祌經(jīng)網(wǎng)絡(luò)如圖１．２所示，深度卷積神經(jīng)??網(wǎng)絡(luò)由一個(gè)輸入層、一個(gè)輸出層以及若千個(gè)隱藏層組成。其中隱藏層一般由卷積??層、池化層、全連接層和歸一化層組成。每個(gè)隱藏層都學(xué)習(xí)不同的特征表示

?的視覺上的不同�？偠灾�，在目標(biāo)的精細(xì)分類中，任務(wù)的主要難點(diǎn)是目標(biāo)間高??的類內(nèi)差異與低的類間差異。如圖１．３所示，同一類海鷗的姿態(tài)、背景和視角有??很大的差異，而不同種類的海鷗有著高度的視覺相似性，只能通過微小的差異如??喙或翅膀進(jìn)行區(qū)分。??■?Ｉ?酔，＇‘：??（ａ）?Ｃａｌｉｌｆｏｍｉａ?ｓｕｌｌ??嘯■■??（ｂ）?Ｇｌａｕｃｏｕｓ?ｇｕｌｌ??圖１．３?ＣＵＢ?２００數(shù)據(jù)集中的兩種海鷗??Ｆｉｇｕｒｅ?１．３?Ｔｗｏ?ｓｐｅｃｉｅｓ?ｏｆ?ｇｕｌｌ?ｉｎ?ＣＵＢ?２００?ｄａｔａｓｅｔ??現(xiàn)有的基于深度學(xué)習(xí)的目標(biāo)精細(xì)分類方法，可根據(jù)使用額外標(biāo)注信息或人??工推理分為以下４種：??（１）


本文編號(hào)：3355910