基于带预训练策略的卷积神经网络的VehicleLogo识别系统

【文件属性】：
文件名称：基于带预训练策略的卷积神经网络的VehicleLogo识别系统
文件大小：1.71MB
文件格式：PDF
更新时间：2021-04-30 14:51:49
Convolutional neural networks (CNNs); deep 由于车辆徽标是车辆制造商最清楚的指标，因此大多数车辆制造商识别（VMR）方法都是基于车辆徽标识别的。 由于难以在图像中精确分割车辆徽标，并且同时需要针对各种成像情况的鲁棒性，徽标识别仍然是一个挑战。 本文提出了一种用于VMR的卷积神经网络（CNN）系统，该系统消除了对精确徽标检测和分段的要求。 此外，已经引入了一种有效的预训练策略，以减少基于CNN的系统中内核训练的高计算成本，以实现改进的实际应用。 生成了一个数据集，该数据集包含属于10个制造商的11500个徽标图像，其中有10000个用于培训，1500个用于测试，这些图像用于评估所提议系统的适用性。 获得了99.07％的平均准确度，证明了在各种不良成像情况下的高分类潜力和鲁棒性。