基于卷积神经网络的轿车车型精细识别方法

在复杂交通场景中，公安和交管部门对车型识别的实时性和精度提出了更高要求。针对当前假牌、套牌、无牌车辆处理占用大量警力、检索效率低下、非智能化等一系列问题，提出了一种基于GoogleNet深度卷积神经网络的车型精细识别方法，设计了合理的卷积神经网络滤波器大小和数目，优选了激活函数和车型识别分类器，构建了一个新的卷积神经网络轿车车型精细识别模型框架。实验结果表明，在车型精细识别测试中，所提出模型的识别率达到了97%，较原始GoogleNet模型有较大提升，而且，新模型有效地减少了训练参数的数量，降低了模型的存储空间。车型精细识别技术可应用于智能交通管理领域，具有重要的理论研究价值与实践意义