论文部分内容阅读
深度学习中的卷积神经网络对图像的平移、旋转等变换有很强的抗干扰能力,它与传统的车辆识别技术相比能提取到更深层次、更丰富的图像信息。基于VGGNet网络结构,并模拟人眼对车辆特征感知的先后顺序,设计了一个对车辆图像库中的车辆数据进行分级检索的系统。首先搭建并训练一个可进行8种颜色识别的卷积神经网络,对目标车辆进行颜色识别,再融合SIFT和LBP特征对颜色相同的候选车辆数据库进行特征匹配与检索。该系统的分级检索模式能够有效地缩小检索范围,提高检索效率,多特征的融合也可以保障提取足够多的图像信息,确保检索精度。