摘要：在交通视频监控中,有很多因素影响车辆检测和分类的准确率,包括复杂的道路环境,光照和天气变化,以及摄像机的角度方向等。传统的图像处理方法很难解决这样的问题。对此,提出了一种基于加权特征映射的车辆检测和分类的卷积神经网络模型。首先,将原始图像输入到卷积神经网络中,通过一次前向计算得到各层特征图。然后,通过特征图计算图像局部区域的响应,并生成加权特征地图。通过阈值分割技术,得到车辆目标区域。最后,提取车辆图像的卷积神经网络特征,实现细粒度的车辆分类。在该模型中,无需复杂的图像预处理,具有很强的通用性和鲁棒性。实验结果表明,该模型具有较高的检测精度和分类准确率,适用于交通视频监控中的车辆检测和细粒度分类。
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：车辆检测 车辆识别 深度学习 图像分类 卷积神经网络
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
