基于联合层特征的卷积神经网络在车标识别中的应用
来源：计算机应用杂志2016年第2期北京时间：
作者：张力, 张洞明, 郑宏
单位：1. 武汉大学 电子信息学院, 武汉 430072;2. 湖北省视觉感知与智能交通技术研发中心, 武汉 430072
摘要：针对现有智能交通系统仅仅通过车牌信息获取车辆信息存在不准确的情况,提出一种基于联合层特征的卷积神经网络(Multi-CNN)进行车标识别。该方法将通过卷积神经网络中不同层提取的特征联合起来,一起作为全连接层的输入,训练获得分类器。通过理论分析和实验表明,与传统的卷积神经网络训练获得的分类器相比,Multi-CNN方法能够减少训练所需计算量,同时将车标识别准确率提升至98.7%。
关键词：深度学习,卷积神经网络,联合特征,车标识别
基金资助：国家973计划项目(2012CB719905)。
