基于深度卷积神经网络的车型识别方法_吴志伟.pdfVIP

网络出版时间：2016-08-08 17:00:51 网络出版地址：/kcms/detail/44.1522.TH1700.300.html DOI：10.3969/j.jssn.1009-9492.2016.z2.150 基于深度卷积神经网络的车型识别方法 吴志伟 佳都新太科技股份有限公司 广州天河区天河软件园建工路 4 号 摘要：为了解决违章车辆的身份识别问题，提出了一种基于卷积神经网络（CNN）的车型识别方法。首先根据车辆检测的结 果提取车脸区域，然后将车脸区域归一化到固定尺寸送入到训练好的网络模型中，从而对车型进行识别。根据构建的 1272 种车型数据，对该方法进行测试，准确率达到 92%左右，并详细分析了 alexnet、squeezenet、googlenet 及 zfnet 四种网 络结构对车型识别的精度和性能的影响，其中 googlenet 准确率最高 92.8%，但耗时最多，而 alexnet 准确率最低 91.4%， 但耗时较少，而 squeezenet 的模型大小只有 alexnet 的 1/45，但准确率 92%，略高于 alexnet，在 tesla k20m gpu 上最耗 时的 googlenet 也仅需 17ms，完全满足实时性要求。.实验结果表明，基于卷积神经网络的车型识别方法是可行的。 关键字：卷积神经网络; CNN; 车型识别 中图分类号：TP317.4 文献标识码：B 文章编号：1009-9492（2016）z2-0608-03 An vehicle type recognition method based on Convolution Neural Network WU Zhi-wei1 (1. PCI-suntektech Co., Ltd. Guangzhou, Guangdong, 510665, China) Abstract：In order to solve the problem of vehicle identification, a vehicle type recognition method based on Convolution Neural Network(CNN) is proposed. It extract car face region based on vehicle detection, resize car face to fixed size and send car face image data to the trained network first, then just forward to get vehicle type. This method is tested on a vehicle type dataset which includes 1272 kinds of vehicles. The accuracy of vehicle type is about 92%. Different kinds of network structures are tested too, include alexnet、squeezenet、googlenet and zfnet. Experiments show that googlenet has the highest accuracy of 92.8%, but the most time-