基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型細(xì)類識(shí)別研究
發(fā)布時(shí)間:2021-02-20 11:02
車型細(xì)類識(shí)別是智能交通系統(tǒng)領(lǐng)域中的一項(xiàng)重要研究課題,同時(shí)也屬于計(jì)算機(jī)視覺(jué)中的一種任務(wù)。車型細(xì)類識(shí)別即通過(guò)從車輛圖片或者視頻中識(shí)別出車輛的具體型號(hào)。不同于傳統(tǒng)的車型識(shí)別,即識(shí)別車輛的種類,例如轎車,卡車,客車等等,車型細(xì)類識(shí)別將識(shí)別出具體生產(chǎn)廠商的某一種具體車型。傳統(tǒng)的車型細(xì)類識(shí)別研究主要通過(guò)人工設(shè)計(jì)特征和基于3D模型等方法來(lái)進(jìn)行,準(zhǔn)確率和泛化性較差,較難應(yīng)用到實(shí)際的智能交通系統(tǒng)中。近年來(lái),深度學(xué)習(xí)尤其是卷積神經(jīng)網(wǎng)絡(luò)在人工智能領(lǐng)域取得了巨大的成功,在圖像識(shí)別領(lǐng)域,目前是占據(jù)統(tǒng)治地位的方法。它不僅僅極大地提高了識(shí)別精確度,同時(shí)減少了人工設(shè)計(jì)特征的復(fù)雜性。現(xiàn)在,一些車型細(xì)類識(shí)別的任務(wù)也逐漸開(kāi)始使用卷積神經(jīng)網(wǎng)絡(luò)。本文提出了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的從粗糙到精細(xì)的車型細(xì)類識(shí)別系統(tǒng)。在這個(gè)系統(tǒng)中,我們將利用從大規(guī)模數(shù)據(jù)集中提取的車型的全局特征和最精細(xì)的局部特征來(lái)進(jìn)行車型識(shí)別。為了得到最精細(xì)的局部特征,我們提出了兩個(gè)重要算法,一個(gè)是定位局部區(qū)域算法,一個(gè)是從粗糙到精細(xì)的檢測(cè)算法。對(duì)于定位局部區(qū)域算法,我們將建立一個(gè)從卷積神經(jīng)網(wǎng)絡(luò)得到特征熱點(diǎn)圖到輸入數(shù)據(jù)之間的映射關(guān)系,從而根據(jù)熱點(diǎn)圖中熱點(diǎn)區(qū)域提取出輸入數(shù)...
【文章來(lái)源】:南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:56 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 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 車型識(shí)別研究現(xiàn)狀
1.2.2 車型細(xì)類識(shí)別研究現(xiàn)狀
1.3 本文主要工作
1.4 本文的章節(jié)組織形式
第二章 相關(guān)理論及技術(shù)介紹
2.1 卷積神經(jīng)網(wǎng)絡(luò)介紹
2.1.1 卷積神經(jīng)網(wǎng)絡(luò)概述
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)組件
2.1.3 卷積神經(jīng)網(wǎng)絡(luò)模型
2.1.4 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.2 支持向量機(jī)算法介紹
2.3 Caffe深度學(xué)習(xí)框架介紹
2.3.1 Caffe框架概述
2.3.2 Caffe重要模塊介紹
2.4 本章小結(jié)
第三章 車型細(xì)類識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
3.1 系統(tǒng)的總體架構(gòu)
3.1.1 系統(tǒng)基本網(wǎng)絡(luò)結(jié)構(gòu)
3.1.2 系統(tǒng)功能模塊
3.2 定位局部區(qū)域算法
3.3 從粗糙到精細(xì)區(qū)域檢測(cè)算法
3.4 本章小結(jié)
第四章 車型細(xì)類識(shí)別系統(tǒng)的實(shí)驗(yàn)與結(jié)果
4.1 數(shù)據(jù)集介紹
4.2 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
4.3 定位重要區(qū)域
4.4 訓(xùn)練支持向量機(jī)
4.5 評(píng)估準(zhǔn)則
4.6 實(shí)驗(yàn)結(jié)果對(duì)比和分析
4.6.1 結(jié)果對(duì)比
4.6.2 分析
4.7 本章小結(jié)
第五章 總結(jié)與展望
5.1 本文創(chuàng)新點(diǎn)
5.2 展望
參考文獻(xiàn)
簡(jiǎn)歷與科研成果
致謝
本文編號(hào):3042671
【文章來(lái)源】:南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:56 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 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 車型識(shí)別研究現(xiàn)狀
1.2.2 車型細(xì)類識(shí)別研究現(xiàn)狀
1.3 本文主要工作
1.4 本文的章節(jié)組織形式
第二章 相關(guān)理論及技術(shù)介紹
2.1 卷積神經(jīng)網(wǎng)絡(luò)介紹
2.1.1 卷積神經(jīng)網(wǎng)絡(luò)概述
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)組件
2.1.3 卷積神經(jīng)網(wǎng)絡(luò)模型
2.1.4 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.2 支持向量機(jī)算法介紹
2.3 Caffe深度學(xué)習(xí)框架介紹
2.3.1 Caffe框架概述
2.3.2 Caffe重要模塊介紹
2.4 本章小結(jié)
第三章 車型細(xì)類識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
3.1 系統(tǒng)的總體架構(gòu)
3.1.1 系統(tǒng)基本網(wǎng)絡(luò)結(jié)構(gòu)
3.1.2 系統(tǒng)功能模塊
3.2 定位局部區(qū)域算法
3.3 從粗糙到精細(xì)區(qū)域檢測(cè)算法
3.4 本章小結(jié)
第四章 車型細(xì)類識(shí)別系統(tǒng)的實(shí)驗(yàn)與結(jié)果
4.1 數(shù)據(jù)集介紹
4.2 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
4.3 定位重要區(qū)域
4.4 訓(xùn)練支持向量機(jī)
4.5 評(píng)估準(zhǔn)則
4.6 實(shí)驗(yàn)結(jié)果對(duì)比和分析
4.6.1 結(jié)果對(duì)比
4.6.2 分析
4.7 本章小結(jié)
第五章 總結(jié)與展望
5.1 本文創(chuàng)新點(diǎn)
5.2 展望
參考文獻(xiàn)
簡(jiǎn)歷與科研成果
致謝
本文編號(hào):3042671
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3042671.html
最近更新
教材專著