发明名称 |
一种基于卷积神经网络的车型识别方法 |
摘要 |
本发明提出了一种基于卷积神经网络的车型识别方法,基于特征提取模块与车型识别模块,包括以下步骤:通过设计卷积与池化层,全连接层,分类器来构建车型识别的神经网络,其中卷积与池化层和全连接层用来提取车型特征,分类器用来车型分类识别;利用包含不同车型特征的数据库训练该神经网络,训练方式为带标签的数据进行的有监督的学,并用随机梯度下降法进行权重参数矩阵和偏移量的调整;得到训练好的各层中的权重参数矩阵和偏移量,把它们对应地赋值给该神经网络中的各个层,则该网络具有车型特征提取及识别的功能。本发明创造性的将卷积神经网络和车型识别结合起来,有别于传统的车型识别方法,可以明显提高车型识别的准确度。 |
申请公布号 |
CN104657748A |
申请公布日期 |
2015.05.27 |
申请号 |
CN201510071919.4 |
申请日期 |
2015.02.06 |
申请人 |
中国石油大学(华东) |
发明人 |
张卫山;陈立成;卢清华 |
分类号 |
G06K9/62(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于卷积神经网络的车型识别方法,其特征在于,基于特征提取模块与车型识别模块,包括以下步骤:步骤(1)、通过设计卷积与池化层、全连接层、分类器来构建车型识别的神经网络,其中卷积与池化层和全连接层用来提取车型特征,分类器用来车型分类识别;步骤(2)、利用包含不同车型特征的数据库训练该神经网络,训练方式为带标签的数据进行的有监督的学习,并用随机梯度下降法进行权重参数矩阵和偏移量的调整;步骤(3)、得到训练好的各层中的权重参数矩阵和偏移量,把它们对应地赋值给该神经网络中的各个层,则该神经网络具有车型特征提取及识别的功能。 |
地址 |
266000 山东省青岛市经济技术开发区长江西路66号 |