最近来，随着我国经济水平不断发展，人民生活质量和可支配收入逐渐提升，越来越多人希望获得更快捷的出行方式，选择购买电动汽车或新能源汽车，全国机动车持有数量呈现出不断增涨的姿态。同时，这也带来了日益严重的交通拥堵、停车困难、交通事故等问题。构建智能交通系统显得尤为必要，车型识别技术作为其中重要组成部分，随着深度学习方法得到广泛应用，本文基于深度学习对车辆车型识别进行研究，为解决日益凸显的交通问题做出贡献。本文对国内外车型识别研究进行总结，分析不同识别方法优势与不足。介绍神经网络的发展、相关结构与技术原理，深入了解不同深度神经网络模型（VGGNet、InceptionNet、ResNet）的结构及原理，突出其独特改进优势。本文选用识别精度较高，在速度上具有很大优势的YOLO算法，在BIT-Vehicle ID数据集上进行车辆检测试验，实验获得较好的准确度，mAP达到94.08%。
2022-06-01 12:05:34
1.17MB
1
Attention-BiLSTM模型结构及所有核心代码：
1.model中实验的模型有BiLSTM、ATT-BiLSTM、CNN-BiLSTM模型；
Attention与BiLSTM模型首先Attention机制增强上下文语义信息，并获取更深层次特征，最后通过Softmax进行回归，完成所属语音情感的预测。
2.系统为用Flask搭建网页框架的语音识别系统界面；
对于提到的语音情感识别方法平台为基于Windows操作系统的个人主机，深度学习框架采用的是tensorflow和Keras，其中TensorFlow作为Keras的后端。具体配置如下python3.6.5、tensorflow=1.12、Keras=2.2.4、flask==1.0.2 、librosa等。
具体界面效果可以参考博客内容。
2022-05-27 16:05:53
88.85MB
手写数字识别是一种通过不同的机器学习模型自动识别和检测手写数字数据的技术或技术。 在本文中，我们使用各种机器学习算法来提高技术的生产力并降低使用各种模型的复杂性。 机器学习是人工智能的一种应用，它从以前的经验中学习并通过经验自动改进。 我们说明了各种机器学习算法，例如支持向量机、卷积神经网络、量子计算、K-最近邻算法、识别技术中使用的深度学习。
2022-05-24 20:16:27
487KB
1
随着经济和科技的日益发展，车辆数目逐步增长，这使得交通问题日益突出，所以智能城市和智能交通等技术渐渐进入人们视野中，成为一个研究热点，而车牌识别作为其中最为重要的组成部分之一，也显得越来越重要。本文讲述了车牌识别的研究现状、主要难点、识别步骤、关键技术，并分析其未来的发展趋势。
2022-05-23 18:12:19
207KB
1