基于局部特征的卷积神经网络车灯识别

来源 :长春理工大学学报(自然科学版) | 被引量 : 0次 | 上传用户:zhaotong125555
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了解决车辆管控工作中出现的肇事车辆逃避交通监管的问题,对数据集处理方式和局部特征的车型分类算法进行研究.首先,以AlexNet网络为基础分析了各个网络结构对于输入图片的敏感程度,从网络层数和卷积核尺寸上进行网络优化得出IM-AlexNet网络.然后,使用数据增强方式处理后的自建数据集,训练IM-AlexNet分类模型网络.最后,在HOG-SVM、GoogleNet和VGG16三种模型上进行对比实验并分析.实验结果表明:IM-AlexNet网络在验证集上准确率达到96%左右,损失值低于0.2,训练速度达到3 s/step.在混淆矩阵中IM-AlexNet网络模型总体准确率达到69%,完成了局部特征对车型分类的实验,分类准确率大大提高.
其他文献
提出并通过实验搭建具有多个横向模式振荡的基于少模掺铒光纤的多模式振荡多波长光纤激光器.激光器包括部分空间光学元件、多模光纤组件、少模光纤及少模掺铒光纤.所用少模掺铒光纤支持六个模式,其掺杂结构经过特殊设计后使得各模式增益均衡.通过少模光纤-多模光纤-少模光纤部分的作用实验实现了波长可调谐多模激光及多波长多模激光输出.泵浦功率2.75 W时输出的单波长激光中心波长为1590.4 nm,激光线宽0.08 nm,激光器的边模抑制比为38.31 dB,通过调节偏振控制器得到单波长可调谐范围为1572.12~159
针对电力光纤网越来越复杂、故障发生率高、人工巡线困难、故障检修不及时的问题,设计了一套以光时域反射仪(optical time-domain reflectometer,OTDR)和STM32单片机为基础的电力光纤故障在线检测系统.通过改进硬电路设计,只使用了一个OTDR模块,减少了各种光器件的使用数量,在极大降低经济成本的同时提高了工作纤、备纤两种监测工作模式的切换速度,降低了接入光纤损耗.设备应用在吉林省吉林市包家变电站和金珠变电站,服务器安装运维中心,运行状态稳定,经测试可准确识别到光纤故障点位置,
为了满足微纳卫星平台间的数传需求,实现伺服结构的小型化,设计了一套基于四象限探测器(QD)与MEMS振镜为伺服架构的微纳激光通信终端,完成光斑的检测跟踪.为了提高微纳通信终端跟踪精度,分析了光斑大小对四象限探测器检测精度的影响,使用Matlab进行仿真,并据此设计了一种当光斑直径小于四分之一探测器靶面直径时的捕获跟踪伺服系统算法,对系统组成及捕获跟踪算法进行了详细论述.搭建室内实验平台,进行了双向全光捕获跟踪实验,系统捕获时间2.2 s,跟踪误差84μrad.
器件自身存在的暗电流,会导致CMOS成像式亮度计的亮度测量结果产生误差.因此,提出一种CMOS成像式亮度计的暗电流校准方法.通过分析不同程控参数下暗幅图像灰度值变化情况,确定成像式亮度计的程控参数;在此基础上,采集图像灰度值和标准亮度值,建立亮度测量模型.将校准后的成像式亮度计应用在手柄发光字符的亮度检测上,结果表明,成像式亮度计的亮度测量误差在5%以内,满足实际工业测量需求.