典型文献
基于局部特征的卷积神经网络车灯识别
文献摘要：
为了解决车辆管控工作中出现的肇事车辆逃避交通监管的问题,对数据集处理方式和局部特征的车型分类算法进行研究.首先,以AlexNet网络为基础分析了各个网络结构对于输入图片的敏感程度,从网络层数和卷积核尺寸上进行网络优化得出IM-AlexNet网络.然后,使用数据增强方式处理后的自建数据集,训练IM-AlexNet分类模型网络.最后,在HOG-SVM、GoogleNet和VGG16三种模型上进行对比实验并分析.实验结果表明:IM-AlexNet网络在验证集上准确率达到96％左右,损失值低于0.2,训练速度达到3 s/step.在混淆矩阵中IM-AlexNet网络模型总体准确率达到69％,完成了局部特征对车型分类的实验,分类准确率大大提高.
文献关键词：
图像处理;车型识别;数据增强;神经网络;改进AlexNet网络;机器视觉
中图分类号：
作者姓名：
王陈甜;张宁;刘禹佳
作者机构：
长春理工大学 光电工程学院,长春 130022;长春工程学院 电气与信息工程学院,长春 130012
文献出处：
引用格式：
[1]王陈甜;张宁;刘禹佳-.基于局部特征的卷积神经网络车灯识别)[J].长春理工大学学报（自然科学版）,2022(01):16-23
A类：
B类：
局部特征,车灯,车辆管控,肇事车,逃避,交通监管,数据集处理,车型分类,分类算法,AlexNet,敏感程度,网络层,层数,卷积核尺寸,网络优化,IM,使用数据,数据增强,自建数据集,分类模型,HOG,GoogleNet,VGG16,验证集,损失值,训练速度,step,混淆矩阵,分类准确率,车型识别,机器视觉
AB值：
0.481253
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
