隨著城市化的的發(fā)展,車輛作為重要的代步工具也變得越來越重要,但是也給交通管理帶來了挑戰(zhàn)。在公共安全中對特定車輛進行搜索的需求也成為了需要迫切解決的問題,所以車輛重識別任務也越來越受到人們的廣泛關注。識別車輛最簡單的方法是車牌重識別,但是由于拍攝的場景,角度,光照影響和套牌車的出現(xiàn)都會有無法識別的情況出現(xiàn)。所以對于這個問題,我們不利用車輛信息來解決車輛重識別問題,僅僅依靠攝像頭拍下的信息來進行識別。與其他的目標重識別相似,車輛的不同車型、變化的光照和復雜的環(huán)境都嚴重影響了車輛重識別的有效性。所以,我們提出適用于車輛的基于深度學習的車輛重識別方案。本文工作及貢獻主要包括以下一些內容。1)我們首先介紹了車輛的研究背景及其意義,并且對以往車輛重識別方案進行了相應的調研與分析,總結他們的優(yōu)缺點以及還有哪些方面需要我們解決,同時也介紹了我們提出的網(wǎng)絡模型。2)針對車輛的識別問題,我們采用三重損失去訓練卷積神經(jīng)網(wǎng)絡,該網(wǎng)絡自動提取特征,訓練時采用三元組（錨點,正樣本,負樣本）去捕獲它們之間的相對相似性來學習代表性特征。但是,由于傳統(tǒng)的三重損失訓練時的弱約束性,導致沒有達到很好的預期效果。我們提出改進... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

圖１．１車輛重識別的廣泛應用??Ｆｉｇｕｒｅ?１．１?Ｗｉｄｅｓｐｒｅａｄ?Ａｐｐｌｉｃａｔｉｏｎ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｅｃｏｇｎｉｔｉｏｎ??

ｒ車囉綱］靈．??圖１．１車輛重識別的廣泛應用??Ｆｉｇｕｒｅ?１．１?Ｗｉｄｅｓｐｒｅａｄ?Ａｐｐｌｉｃａｔｉｏｎ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｅｃｏｇｎｉｔｉｏｎ??ｌｌｌｆ＇?１?，?Ｓ，???—？；？?．?１?？?ｌｙｕｎｊ??⑶麵光照影響?遮擋．??ｓｓ，一?＾??ＳＳ?＿??圖１．２車輛重識別所面臨的挑戰(zhàn)??Ｆｉｇｕｒｅ?１．?２?Ｃｈａｌｌｅｎｇｅｓ?ｉｎ

圖２．１卷積神經(jīng)網(wǎng)絡??


本文編號：3487647