基于多层深度特征融合的中低分辨率车型识别研究

摘要：

传统的车型识别需要消耗大量的人力资源和时间成本,无法及时有效地对复杂背景下中低分辨率车型进行精确识别.随着硬件设备的提升和新型分类理论的出现,针对这一情况提出了一种基于改进卷积神经网络的多层深度特征融合算法,利用卷积神经网络的特征学习,首先对低层特征进行学习,其次通过卷积运算将低层车型特征卷积到一定维度,最后利用特征融合策略对多个特征进行融合,提升车型识别的有效性.同时为了避免参数过多、模型复杂度上升出现过拟合现象,使用稀疏原理对模型进行优化分类.通过实验仿真,验证本文算法可以对中低分辨率车型进行精确识别,且对复杂背景及快速移动具有一定的抗干扰性.

关键词：卷积神经网络;特征融合;深度学习

所属期刊栏目：20

分类号：TP393-01(计算技术、计算机技术)

资助基金：河南省高等学校重点科研项目计划"基于多传感器信息融合的移动机器人最优路径规划策略研究"20A120007

在线出版日期：2021-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：23-26