復(fù)雜的交通環(huán)境以及假牌車、套牌車的頻繁出現(xiàn)限制了車牌對車輛的標(biāo)識作用。車輛屬性是車輛信息的組成部分,也是判別車輛的重要標(biāo)準(zhǔn)。在車輛諸多屬性中,車輛品牌和車輛類型特征細(xì)微,類間差異較小,難以區(qū)分;作為車輛屬性識別的前序工作,車輛檢測需要提供車輛圖片用于屬性識別,不完整的車輛圖片容易導(dǎo)致車輛屬性識別精度降低;相比傳統(tǒng)車輛檢測和車輛屬性識別方法,基于深度學(xué)習(xí)的方法在檢測和識別精度上有很大提升,但仍存在車輛框選不完整、細(xì)粒度特征提取效果差等問題。針對上述問題,本文分別對車輛檢測和車輛屬性識別方法展開研究:（1）提出了基于自適應(yīng)先驗框的車輛檢測方法。通過兩層全連接網(wǎng)絡(luò)對先驗值進行回歸計算,生成先驗框超參數(shù),得到自適應(yīng)先驗框。YOLOv3對自適應(yīng)先驗框坐標(biāo)值再進行回歸計算得到候選框坐標(biāo)值。本文設(shè)計的模型通過兩次回歸計算提升候選框坐標(biāo)的預(yù)測精度,并截取完整的車輛圖片提供給車輛屬性識別模型。（2）提出基于注意力機制的車輛屬性識別方法。雙線性卷積神經(jīng)網(wǎng)絡(luò)可以提升特征表現(xiàn)力。根據(jù)注意力機制設(shè)計注意力建議網(wǎng)絡(luò),對特征圖進行回歸計算得到注意力區(qū)域的坐標(biāo)信息,將截取的注意力區(qū)域圖片送入新的雙線性卷積神經(jīng)網(wǎng)路模型... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１論文主要研究內(nèi)容及技術(shù)路線??Ｆｉｇ．?１．１?Ｔｈｅ?ｍａｉｎ?ｃｏｎｔｅｎｔ?ａｎｄ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏａｄｍａｐ?ｏｆ?ｔｈｉｓ?ｔｈｅｓｉｓ??

?第２章相關(guān)背景知識???第２章相關(guān)背景知識??２．１深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)??２．１．１深度學(xué)習(xí)概述??深度學(xué)習(xí)屬于機器學(xué)習(xí)的一個分支，由人工神經(jīng)網(wǎng)絡(luò)演化而來，通過整合低??層數(shù)據(jù)特征，經(jīng)過多層神經(jīng)網(wǎng)絡(luò)進行一系列多層次的非線性變換，提取出更加抽??象的高層特征，獲得數(shù)據(jù)的高階特征表示，是一種對數(shù)據(jù)本身進行高級抽象表達??的學(xué)習(xí)算法。．隨著層級的提高，深度學(xué)習(xí)模型能夠從低層特征中提取更抽象的信??息。這種算法的優(yōu)勢在于，它能夠從多維數(shù)據(jù)中挖掘有用信息，弁形成有力的表??達。??人工神經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＡＮＮ）是對人大腦神經(jīng)網(wǎng)絡(luò)的抽象??表述，通過建立模型，將不聞的神經(jīng)元按照不同的方式組合到一起，模擬信號輸??入、處理、輸出的過程。人工神經(jīng)網(wǎng)絡(luò)包含三部分：輸入層、隱藏層和輸出層，??其中最簡單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不包含隱藏層，如圖２．１所示。原始數(shù)據(jù)通過輸入層進??入網(wǎng)絡(luò)結(jié)構(gòu)，經(jīng)過加權(quán)處理進入輸出層，輸出層對加權(quán)后的數(shù)據(jù)進行某種非線性??變換，即激活后，輸出結(jié)果。??ｘｉ?—??Ｘ２???＾?—＾函數(shù)?、??ｘ３——??Ｘ４?＂（Ｊ??輸入層?輸出層??圖２．１簡單的人工神經(jīng)網(wǎng)絡(luò)模型??Ｆｉｇ．?２．１?Ｓｉｍｐｌｅ?ｍｏｄｅｌ?ｏｆ?ＡＮＮ??－８?－??

，提??取了圖像的多尺度特征，在檢測精度上有很好的表現(xiàn)。??總體來說，基于深度學(xué)習(xí)的目標(biāo)檢測算法在檢測精度上有很好的表現(xiàn)＾隨著？??硬件水平的提升，在ＧＰＵ加速下，目標(biāo)撿測算法的速度也有很大的提高ｓ??２．３多標(biāo)簽分類問題的產(chǎn)生與應(yīng)用??隨著計算機技術(shù)的發(fā)展和廣泛應(yīng)用，分類問題受到許多研宄人員的關(guān)注。分??類問題有兩種劃分方式：根據(jù)類別個數(shù)可以將分類問題劃分為單分類問題、二分??類何題以及多分類問題；根據(jù)樣本所包含標(biāo)簽的個數(shù)，分類問題可被分為單標(biāo)簽??分類問題和多標(biāo)簽分類問題。如圖２．２所示。??娜類別傾單分類問題??／??二分類問題??／?＿多分類問題＿??分類問題??根據(jù)樣本包含標(biāo)簽個數(shù)??＿多標(biāo)簽分類問題??圖２．２分類問題的劃分??Ｆｉｇ．?２．２?Ｔｈｅ?ｄｉｖｉｓｉｏｎ?ｏｆ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｐｒｏｂｌｅｍｓ??傳統(tǒng)意義上的分類算法理論是單標(biāo)簽單任務(wù)學(xué)習(xí)模式，復(fù)雜的分類任務(wù)需要??進行拆解，然后分別解決由復(fù)雜任務(wù)產(chǎn)生的多個不相關(guān)的任務(wù)。但是這樣的學(xué)習(xí)??－１１?－??


本文編號：3357154