结合卷积神经网络多层特征和支持向量机的车辆识别
车辆识别方法计算量大,提取的特征复杂,且传统神经网络利用端层特征进行分类导致特征不全面,为此提出了一种结合卷积神经网络(CNN)多层特征和支持向量机(SVM)的车辆识别方法。该方法在传统AlexNet模型基础上构建卷积神经网络模型,通过分析参数变化对测试正确率的影响得到最优车辆识别模型;提取多层车辆特征图,采用串行融合方法与主成分分析降维技术将其构成一个具有多属性的车辆特征向量,以增强特征全面性,减少计算量;利用SVM分类器代替CNN的输出层实现车辆识别,以提高模型泛化能力与纠错能力。实验结果表明,相比传统方法,所提方法在分类精度和识别速度方面都有显著提高,且具有良好的稳健性。
文件下载
评论信息
其他资源
- SAP Tables Reference
- anylogic精选案例
- 北大青鸟ACCP7.0 S2课程资料
- verilog数字钟
- 基于ARM的贪吃蛇游戏设计报告
- 随机过程(Ross中文版）
- 软件开发的形式化方法
- struts+hibernate实现的教务选课信息管理系统毕业课程设计源码
- 华为WLAN经典配置案例
- 多通道mp3编解码器VHDL
- jQuery仿京东商城手机端商品分类滑动切换特效.zip
- 使用c++读取图像到二维矩阵
- 中央广播电视大学《流通概论本科》期末总复习资料（含答案）.pdf
- 磁盘存储和文件系统管理
- SNMPGetSet.zip
- A Robust Fuzzy Local Information C-Means Clustering Algorithm
- jdk-12_linux-x64_bin.tar.gz
- CHROME扩展及应用开发 PDF 带目录 高清完整版
- 批量图像自动分割 opencv grabcut
- 基于loadrunner等的Web项目性能测试实战过程分析
- 用JSP做的图书馆管理系统
- 飞机订票系统delphi源代码
- 基于ASP.NET的多功能博客blog系统的设计与实现
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明