上传者: 45890678
|
上传时间: 2022-06-01 12:05:34
|
文件大小: 1.17MB
|
文件类型: PDF
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%。