科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高当前车载和野外环境安装的低配置设备车型识别系统的精确度,本文提出了一种轻量型CNN分类网络DGNet用于车型识别,该方法在模型结构上保留了DarkNet53网络的滤波器尺寸,采用了Ghost-Conv模块,能够在提高分类精度的同时,大幅降低计算成本,经过实验表明,该方法在分类精度上优于目前轻量型的分类网络,在模型参数和速度方面比原模型减少了一半的计算成本和计算时间。因此,在分类精确度、计算成本和速度中取得了较好的平衡。
- 单位
为了提高当前车载和野外环境安装的低配置设备车型识别系统的精确度,本文提出了一种轻量型CNN分类网络DGNet用于车型识别,该方法在模型结构上保留了DarkNet53网络的滤波器尺寸,采用了Ghost-Conv模块,能够在提高分类精度的同时,大幅降低计算成本,经过实验表明,该方法在分类精度上优于目前轻量型的分类网络,在模型参数和速度方面比原模型减少了一半的计算成本和计算时间。因此,在分类精确度、计算成本和速度中取得了较好的平衡。
