基于卷积神经网络的车标识别

• 作 者: 孙晔 吴锐文
• 机 构: 厦门大学通信工程系
• 出 处: 现代计算机(专业版)
• 发表日期: 2015年11期
• 关键词: 智能交通 车标识别 深度学习 卷积神经网络

提出一种基于卷积神经网络(CNN)的车标识别方法,通过多层的特征学习,能够直接从训练样本中提取特征,最后送入神经网络分类器进行分类。验证集采用5000个从属于10类车标并附有各类变化的车标数据库,该应用算法达到98.28%的平均准确率和每张少于3ms的识别速度(在MATLAB环境下),实验表明,该方法对于车标识别问题具有优异的准确率和鲁棒性,且对于计算资源要求很低。