首页|基于深度学习网络模型的车辆类型识别方法研究

基于深度学习网络模型的车辆类型识别方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型.该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层.理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48％、测试精度优于83.86％.
Research on Vehicle Type Recognition Method Based on Deep Learning Network Model

石鑫、赵池航、林盛梅、李彦伟、薛善光、钱子晨

展开 >

河北交通职业技术学院土木工程系,河北石家庄050011

东南大学交通学院,江苏南京211189

河北省交通规划设计院公路建设与养护技术、材料及装备交通运输行业研发中心,河北石家庄050011

智慧交通 车辆识别 深度学习模型 迁移学习

河北省重点研发计划项目

19270802D

2020

筑路机械与施工机械化
长安大学

筑路机械与施工机械化

影响因子：0.391
ISSN：1000-033X
年,卷(期)：2020.37(4)
  • 1
  • 6