車型識(shí)別系統(tǒng)對(duì)智能交通系統(tǒng)有著重要意義,能有效監(jiān)控可疑車輛、統(tǒng)計(jì)車流量信息等等�；跍\層機(jī)器學(xué)習(xí)的算法雖然效率高,但需針對(duì)不同場(chǎng)景設(shè)計(jì)不同的特征,實(shí)際應(yīng)用中場(chǎng)景復(fù)雜多變,這種方法顯然無(wú)法滿足實(shí)際要求。深度學(xué)習(xí)的出現(xiàn)為復(fù)雜環(huán)境場(chǎng)景下的車型識(shí)別系統(tǒng)帶來(lái)了新思路,它能利用海量訓(xùn)練數(shù)據(jù),來(lái)自動(dòng)學(xué)習(xí)更泛化的特征。但其基礎(chǔ)理論還不夠完善,有效性需要通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證。在實(shí)際應(yīng)用中,由于數(shù)據(jù)采集和標(biāo)注困難,往往缺乏足夠樣本數(shù)據(jù)。而且大多數(shù)卷積神經(jīng)網(wǎng)絡(luò)模型是針對(duì)通用物體分類和檢測(cè)的,在具體的應(yīng)用場(chǎng)景需要進(jìn)行相應(yīng)改進(jìn)。根據(jù)課題來(lái)源實(shí)際,分析了復(fù)雜卡口場(chǎng)景下的車輛檢測(cè)和車型識(shí)別存在的問(wèn)題。針對(duì)通用目標(biāo)檢測(cè)器在復(fù)雜場(chǎng)景中的單一檢測(cè)的時(shí)候會(huì)出現(xiàn)漏檢和誤檢的問(wèn)題,組建了不同天氣場(chǎng)景下的車輛檢測(cè)數(shù)據(jù)集,使用K均值聚類算法分析卡口車輛檢測(cè)數(shù)據(jù)集的分布特點(diǎn),基于SSD(Single Shot Multibox Detector,SSD),設(shè)置了合適尺度和長(zhǎng)寬比的區(qū)域候選框,刪除冗余的區(qū)域候選框,改進(jìn)通用檢測(cè)算法。針對(duì)車型識(shí)別存在的數(shù)據(jù)集小、特征差異小、環(huán)境復(fù)雜多變導(dǎo)致過(guò)擬合的問(wèn)題,從數(shù)據(jù)擴(kuò)充、遷移學(xué)習(xí)策略和設(shè)計(jì)模型的角度...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 課題來(lái)源
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 車輛檢測(cè)的研究現(xiàn)狀
        1.3.2 車型識(shí)別的研究現(xiàn)狀
        1.3.3 深度學(xué)習(xí)的研究現(xiàn)狀
    1.4 論文研究?jī)?nèi)容和目錄結(jié)構(gòu)
第二章 課題簡(jiǎn)介及相關(guān)技術(shù)
    2.1 課題簡(jiǎn)介
        2.1.1 課題需求
        2.1.2 課題難點(diǎn)
        2.1.3 應(yīng)用場(chǎng)景
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的原理
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    2.3 深度學(xué)習(xí)中的目標(biāo)檢測(cè)算法
    2.4 深度學(xué)習(xí)中的遷移學(xué)習(xí)
    2.5 深度學(xué)習(xí)中的多任務(wù)學(xué)習(xí)
    2.6 本章小結(jié)
第三章 改進(jìn)SSD的車輛檢測(cè)算法
    3.1 問(wèn)題描述
    3.2 SSD的檢測(cè)思想
        3.2.1 模型概述
        3.2.2 損失函數(shù)
        3.2.3 SSD的訓(xùn)練和測(cè)試過(guò)程
    3.3 區(qū)域候選框設(shè)置
        3.3.1 卡口車輛檢測(cè)數(shù)據(jù)集
        3.3.2 卡口車輛檢測(cè)數(shù)據(jù)集的分布
    3.4 實(shí)驗(yàn)與結(jié)果分析
        3.4.1 實(shí)驗(yàn)環(huán)境
        3.4.2 評(píng)價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)與結(jié)果分析
    3.5 本章小結(jié)
第四章 基于分類學(xué)習(xí)和度量學(xué)習(xí)的車型快速識(shí)別算法
    4.1 問(wèn)題描述
    4.2 過(guò)擬合的解決方法
        4.2.1 數(shù)據(jù)擴(kuò)充
        4.2.2 遷移學(xué)習(xí)策略
        4.2.3 設(shè)計(jì)模型
    4.3 基于分類學(xué)習(xí)和度量學(xué)習(xí)的多任務(wù)學(xué)習(xí)算法
        4.3.1 雙通道模型設(shè)計(jì)
        4.3.2 損失函數(shù)
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)環(huán)境
        4.4.2 車型識(shí)別數(shù)據(jù)集
        4.4.3 評(píng)價(jià)指標(biāo)
        4.4.4 實(shí)驗(yàn)與結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文
攻讀學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號(hào)：3754140