基于卷积神经网络多特征联合的车辆识别模型

作者：刘泽康; 孙华志^*; 马春梅; 姜丽芬

来源：计算机科学, 2019, S1: 254-258.

• 边缘联合卷积神经网络
• 车辆识别
• 边缘特征
• 特征融合

车辆识别在智能交通领域中发挥着重要的作用,其可被用于违章抓拍、交通拥堵报警和自动驾驶等众多领域。文中提出结合车辆边缘联合建模的方法进行车辆识别。边缘联合卷积神经网络(E-CNN)通过简单有效的多特征联合方法提高了识别精度和模型收敛速度。为了验证E-CNN的性能,将多特征联合模型与VGG16和GoogLeNet模型进行对比。实验结果表明,所提模型的收敛速度相比VGG16和GoogLeNet有明显的优势,并且在有效时间内识别率达到了99.90%,高于VGG16的99.82%和GoogLeNet的99.35%。

• 单位
  天津师范大学