一种基于卷积神经网络识别绿通车车辆轴型的方法

    公开(公告)号:CN110532946B

    公开(公告)日:2022-04-26

    申请号:CN201910803615.0

    申请日:2019-08-28

    Applicant: 长安大学

    Abstract: 一种基于卷积神经网络识别绿通车车辆轴型的方法,包括以下步骤:步骤1,获取绿通车图像;步骤2,制定绿通车图像有效性判定标准;步骤3,采用数据增强的方法增加训练样本的数量;步骤4,数据增强后,使用目标检测算法YOLOv2框架进行整轴检测;步骤5,根据车辆轴组类型和轮组类型将车辆轴型进行分类;步骤6,分别使用AlexNet、VGG‑16、ResNet‑152三种卷积神经网络在训练集上对车轴类型分类进行训练;步骤7,对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标,将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合,使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本,避免训练样本水平过差问题。

    一种基于卷积神经网络识别绿通车车辆轴型的方法

    公开(公告)号:CN110532946A

    公开(公告)日:2019-12-03

    申请号:CN201910803615.0

    申请日:2019-08-28

    Applicant: 长安大学

    Abstract: 一种基于卷积神经网络识别绿通车车辆轴型的方法,包括以下步骤:步骤1,获取绿通车图像;步骤2,制定绿通车图像有效性判定标准;步骤3,采用数据增强的方法增加训练样本的数量;步骤4,数据增强后,使用目标检测算法YOLOv2框架进行整轴检测;步骤5,根据车辆轴组类型和轮组类型将车辆轴型进行分类;步骤6,分别使用AlexNet、VGG-16、ResNet-152三种卷积神经网络在训练集上对车轴类型分类进行训练;步骤7,对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标,将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合,使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本,避免训练样本水平过差问题。

Patent Agency Ranking