基于迁移学习的车辆目标识别
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(62307001)


Vehicle Target Recognition Based on Transfer Learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    为提高车辆识别的准确率及识别的实时性能, 本文提出了一种基于迁移学习的车辆识别方法. 该方法通过卷积神经网络和支持向量机结合并做进一步优化, 提高车辆识别的准确率, 并减少模型训练时间和提高模型的鲁棒性. 该方法首先使用卷积神经网络在CIFAR-10数据集上训练好网络; 然后结合残差优化的思想, 使用更深的预训练网络结构提取细粒度特征; 在模型网络的参数迁移过程中, 只迁移预训练的卷积层参数, 并添加全连接层在车辆数据集上进行微调; 最后将提取的特征直接放入支持向量机中进行分类. 通过详细的模型实验与结果分析, 本方法能够最终达到的最高识别正确率为97.56%, 单张图片识别时间260 ms, 识别时间和正确率均得到了较好的优化.

    Abstract:

    To improve the accuracy and real-time performance of vehicle recognition, this study proposes a vehicle recognition method based on transfer learning. This optimized method improves the accuracy of vehicle recognition, reduces model training time, and improves the robustness of the model by integrating convolutional neural networks and support vector machines. This method first uses a convolutional neural network to train its network on the CIFAR-10 data set. Residual optimization is then applied to a deeper pre-trained network to extract fine-grained features. During the parameter transfer process of the model network, only the pre-trained parameters of the convolutional layer are transferred, and a fully connected layer is added for fine-tuning on the vehicle data set. Finally, the extracted features are directly put into the support vector machine for classification. Detailed model experiments and result analysis demonstrate that this method achieves the highest recognition accuracy of 97.56% and a recognition time of 260 ms per single image, indicating optimized performance in both recognition time and accuracy.

    参考文献
    相似文献
    引证文献
引用本文

李慧,王艳娥.基于迁移学习的车辆目标识别.计算机系统应用,,():1-7

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2024-04-17
  • 最后修改日期:2024-05-14
  • 录用日期:
  • 在线发布日期: 2024-09-24
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号