卷积神经网络在车辆识别中的应用

来源：计算机科学与探索杂志2018年第2期北京时间：

作者：彭清，季桂树，谢林江，张少波

单位：1. 中南大学 信息科学与工程学院，长沙 4100832. 湖南科技大学 计算机科学与工程学院，湖南 湘潭 411201

摘要：针对现有车辆识别方法计算量大，提取特征复杂等问题，提出一种基于卷积神经网络（convolutional neural network，CNN）的车辆识别方法。构建卷积神经网络模型，分别使用不同的卷积核、网络层数、特征图数对网络进行训练；通过100次迭代的学习结果得到最优模型，提取隐含层所有特征，并结合支持向量机进行识别；系统分析了不同参数对测试正确率和样本均方误差的影响。实验结果显示，CNN+SVM在车辆识别中的准确率明显优于传统CNN、PCA+SVM、HOG+SVM、Wavelet+SVM，正确率为97.00%，分析了样本识别错误的原因以及今后需要改进的地方，为以后的研究指明了方向。

关键词：车辆识别,深度学习,卷积神经网络（CNN）,特征提取,支持向量机（SVM）