【摘要】：近年來,隨著我國(guó)人均機(jī)動(dòng)車保有量的快速增長(zhǎng),道路交通安全形勢(shì)面臨著愈加嚴(yán)峻的挑戰(zhàn)。交通管理部門通過在高速公路和城市路口安裝越來越多的卡口攝像機(jī)等設(shè)備來獲取車輛圖像,然后結(jié)合后臺(tái)的智能交通系統(tǒng)分析,以此加大對(duì)車輛的監(jiān)控管理。車輛檢索,也被稱為“以車搜車”,是智能交通系統(tǒng)中最重要的組成部分之一。因此,車輛檢索技術(shù)的研究具有重要的應(yīng)用價(jià)值。由于車輛圖片數(shù)目的快速增多以及車輛類別數(shù)的不斷增加,傳統(tǒng)的檢索方法已經(jīng)無法滿足大規(guī)模車輛圖像的檢索需求。隨著深度學(xué)習(xí)技術(shù)的迅猛發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)在圖像處理領(lǐng)域取得了優(yōu)異的表現(xiàn)。并且深度學(xué)習(xí)模型可以快速的完成特征提取,具有更高的靈活性和普適性。因此,本文針對(duì)大規(guī)�？ǹ谲囕v圖像數(shù)據(jù)集,使用深度學(xué)習(xí)框架,在經(jīng)典的深度網(wǎng)絡(luò)模型上進(jìn)行改進(jìn),提出可以在實(shí)際場(chǎng)景中應(yīng)用的車輛檢索方法。本文的貢獻(xiàn)和主要工作如下:(1)構(gòu)建了卡口車輛數(shù)據(jù)集CarsDataset-1和CarsDataset-2。由于當(dāng)前車輛數(shù)據(jù)集的類別較少、規(guī)模較小而且標(biāo)注信息簡(jiǎn)單,我們構(gòu)建規(guī)模為15萬張圖片的卡口車輛數(shù)據(jù)集。此外,我們?yōu)閿?shù)據(jù)集標(biāo)注了品牌、車型、款式、年代、顏色等屬性信息。(2)提出一種基于多屬性深度特征融合的車輛檢索方法。傳統(tǒng)的基于內(nèi)容的車輛檢索方法往往使用底層特征(如顏色、形狀、紋理等特征)表示圖像。但是這種方式難以克服復(fù)雜場(chǎng)景下背景、光照、以及角度等因素的干擾�；谲嚺频能囕v檢索方法不能有效地解決套牌車、車牌遮擋等問題。同時(shí),基于深度分類網(wǎng)絡(luò)的特征在檢索問題中取得了不錯(cuò)的效果。但目前已有的深度方法僅僅根據(jù)標(biāo)簽的異同構(gòu)建圖像對(duì)或者三元組圖像進(jìn)行度量學(xué)習(xí),沒有充分挖掘車輛標(biāo)簽的信息而且模型難以訓(xùn)練。在車輛圖片的標(biāo)簽信息中,車型和顏色屬性相對(duì)獨(dú)立而且類別數(shù)量較少。因此,本文在卷積神經(jīng)網(wǎng)絡(luò)的分類特征基礎(chǔ)上,提出將車輛的車型屬性(顏色屬性)特征和分類特征進(jìn)行融合的方法,并把融合后的特征作為檢索特征進(jìn)行車輛檢索。最后,在本文提出的大規(guī)模卡口車輛數(shù)據(jù)集上的實(shí)驗(yàn)表明了基于多屬性深度特征融合的車輛檢索算法的有效性。(3)提出基于多層特征融合與深度哈希的車輛檢索方法�，F(xiàn)有的車輛檢索方法采用的特征一般是浮點(diǎn)型的特征,不能夠應(yīng)對(duì)大規(guī)模數(shù)據(jù)集的快速檢索問題。因此,本文使用了針對(duì)大規(guī)模圖像檢索的哈希方法。相比于傳統(tǒng)的哈希方法,基于深度學(xué)習(xí)的哈希方法能同時(shí)學(xué)習(xí)圖像表示和哈希編碼,可以取得更好的效果。本文在端到端的深度哈希算法框架的基礎(chǔ)上,將卷積神經(jīng)網(wǎng)絡(luò)模型的多層特征進(jìn)行融合之后,再進(jìn)行哈希編碼的學(xué)習(xí)。最后,在本文提出的大規(guī)�？ǹ谲囕v數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證,證明了所提出方法的有效性。
【圖文】：

圖２．邋１基于內(nèi)容的圖像檢索系統(tǒng)的基本框架逡逑

／逡逑＇邋／逡逑圖２．２邋ＭＣＰ神經(jīng)元模型圖逡逑Ｆｉｇ邋２．２邋ＭＣＰ邋ｎｅｕｒｏｎ邋ｍｏｄｅｌ邋ｄｉａｇｒａｍ逡逑ＭＣＰyL經(jīng)元模型的權(quán)重是事先設(shè)定的，不具備后來的學(xué)習(xí)能力，因此到逡逑１９５８年Ｒｏｓｅ—３２】提出的單層感知器，這個(gè)模型可以學(xué)習(xí)權(quán)重，，但它只能解逡逑決線性可分的問題，不能解決異或（ＸＯＲ）問題｜３３１。因此，研宄者們嘗試著逡逑把多個(gè)感知器組合到一起，實(shí)現(xiàn)對(duì)復(fù)雜空間的分割問題，這樣的模型被稱作多逡逑層感知器（Ｍｕｌｔｉ－ｌａｙｅｒ邋Ｐｅｒｃｅｐｔｒｏｎ，簡(jiǎn)稱ＭＬＰ）神經(jīng)網(wǎng)絡(luò)。ＭＬＰ神經(jīng)網(wǎng)絡(luò)是最逡逑常見的人工神經(jīng)網(wǎng)絡(luò)算法，基本結(jié)構(gòu)組成為：一個(gè)輸入層（ｉｉｉＰｕｔｌａｙｅｒ）、中逡逑間隱層（ｈｉｄｄｅｎ邋ｌａｙｅｒ）以及一個(gè)輸出層（ｏｕｔｐｕｔ邋ｌａｙｅｒ）。ＭＬＰ至少為３層的結(jié)構(gòu)，逡逑最簡(jiǎn)單的ＭＬＰ只含有一個(gè)隱層
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張華凌;綜合運(yùn)用檢索方法提高刑事犯罪信息破案效能[J];公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年06期

2 戴勇敢;;對(duì)《法律文獻(xiàn)檢索方法初探》一文的幾點(diǎn)意見[J];大學(xué)圖書館通訊;1988年01期

3 王淑云;許祿;張建國(guó);;一種有機(jī)化合物名稱編碼與亞結(jié)構(gòu)檢索方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);1988年03期

4 楊志芳;;常用標(biāo)準(zhǔn)文獻(xiàn)的檢索方法[J];儀器儀表標(biāo)準(zhǔn)化與計(jì)量;1989年05期

5 謝勇;;如何開展高校情報(bào)教育[J];山東圖書館學(xué)刊;1989年03期

6 張惠惠;;論述美國(guó)DIALOG系統(tǒng)一次性檢索方法[J];圖書情報(bào)工作;1989年03期

7 ;《圖書情報(bào)工作》雜志社關(guān)于“PubMed的3種不同檢索方法之比較研究”一文涉嫌抄襲的處理意見[J];圖書情報(bào)工作;2015年19期

8 《中國(guó)科技論文統(tǒng)計(jì)與分析》課題組;;關(guān)于《EI》光盤的統(tǒng)計(jì)檢索方法[J];中國(guó)科技期刊研究;1999年02期

9 ;標(biāo)準(zhǔn)文獻(xiàn)的檢索方法與途徑[J];質(zhì)量與標(biāo)準(zhǔn)化;2012年04期

10 李希明,鄧大軍;PubMed免費(fèi)MEDLINE檢索方法與技巧研究[J];情報(bào)理論與實(shí)踐;2004年03期

相關(guān)會(huì)議論文 前10條

1 郝悅星;李冬梅;劉禹;;面向?qū)I(yè)領(lǐng)域的譜系型知識(shí)檢索方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 李明;顏永紅;;一種基于哼唱的音樂檢索方法[A];第八屆全國(guó)人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2005年

3 喻宏勇;趙鐵軍;鄭德權(quán);王月穎;;一種面向文件的高效檢索方法[A];中文信息處理前沿進(jìn)展——中國(guó)中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

4 陳知困;徐明;黃云森;;一種高效的基于CHMM的哼唱式旋律檢索方法[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

5 安東洪;張惠茅;周生巖;;通過影像診斷結(jié)論詞頻統(tǒng)計(jì)輔助PACS檢索方法研究[A];中華醫(yī)學(xué)會(huì)第16次全國(guó)放射學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2009年

6 蘆霞;楊穎;廖佳佳;;基于IETF的文獻(xiàn)檢索方法初探[A];實(shí)施國(guó)家知識(shí)產(chǎn)權(quán)戰(zhàn)略，促進(jìn)專利代理行業(yè)發(fā)展-2010年中華全國(guó)專利代理人協(xié)會(huì)年會(huì)暨首屆知識(shí)產(chǎn)權(quán)論壇論文集[C];2010年

7 趙菊蘭;陳海龍;;國(guó)外網(wǎng)上主要專利資源及檢索方法[A];圖書館改革與發(fā)展——陜西省社會(huì)科學(xué)信息學(xué)會(huì)第六次學(xué)術(shù)討論會(huì)論文集[C];2003年

8 羅辛;邰曉英;Masami Shishibori;Kenji Kita;;一個(gè)基于向量模型轉(zhuǎn)換的圖像反饋檢索方法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

9 趙海英;彭宏;;基于最優(yōu)近似反饋的圖像檢索[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

10 臧立麗;王卓;馮曉寧;;一種基于語義的軟構(gòu)件檢索方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2007年學(xué)術(shù)交流年會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前3條

1 韓冰;端正檢索態(tài)度 創(chuàng)新檢索方法[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2013年

2 本報(bào)記者 薛飛;勤學(xué)敏思 銳意進(jìn)取[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2012年

3 ;讓法治細(xì)胞在網(wǎng)絡(luò)上繁衍[N];人民法院報(bào);2002年

相關(guān)博士學(xué)位論文 前8條

1 袁寶璽;超大規(guī)模指紋庫(kù)的索引結(jié)構(gòu)和檢索方法[D];北京郵電大學(xué);2013年

2 金博;面向?qū)＠土悴考脑O(shè)計(jì)知識(shí)檢索方法[D];大連理工大學(xué);2009年

3 艾列富;基于內(nèi)容的大規(guī)模圖像索引與檢索方法研究[D];華中科技大學(xué);2014年

4 金仲明;基于哈希算法的海量多媒體數(shù)據(jù)檢索研究[D];浙江大學(xué);2015年

5 李路野;基于本體的設(shè)計(jì)理性檢索研究[D];浙江大學(xué);2015年

6 茹昭;企業(yè)信息檢索中的對(duì)象檢索方法研究[D];北京郵電大學(xué);2008年

7 何少芳;面向漢語語音的敏感信息檢測(cè)與加密語音檢索方法研究[D];湖南大學(xué);2017年

8 馮德瀛;圖像檢索技術(shù)中相似性搜索方法研究[D];上海交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王電云;基于深度學(xué)習(xí)的大規(guī)�？ǹ谲囕v檢索方法研究[D];安徽大學(xué);2019年

2 張倩倩;數(shù)學(xué)表達(dá)式和文本的融合檢索方法研究[D];河北大學(xué);2019年

3 趙小龍;基于本體語義分析的三維浮雕模型檢索方法研究[D];西北農(nóng)林科技大學(xué);2019年

4 彭華;結(jié)果多樣化排序的可驗(yàn)證密文檢索方法研究[D];湖南大學(xué);2018年

5 郭澤豪;基于排序?qū)W習(xí)的音樂檢索方法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2018年

6 王鑫鑫;基于非對(duì)稱哈希的跨模態(tài)檢索方法研究[D];西安電子科技大學(xué);2018年

7 王凱;基于聚類約束的高質(zhì)量微博檢索方法研究與應(yīng)用[D];北京工業(yè)大學(xué);2018年

8 王廣鈺;基于Hadoop的時(shí)空大數(shù)據(jù)的分布式檢索方法[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院國(guó)家空間科學(xué)中心);2017年

9 姚彥青;商標(biāo)檢索方法研究與系統(tǒng)實(shí)現(xiàn)[D];南京航空航天大學(xué);2010年

10 章金華;電視臺(tái)臺(tái)標(biāo)識(shí)別與檢索方法研究[D];華中科技大學(xué);2013年

本文編號(hào)：2692734