隨著城市化的的發(fā)展,車輛作為重要的代步工具也變得越來越重要,但是也給交通管理帶來了挑戰(zhàn)。在公共安全中對(duì)特定車輛進(jìn)行搜索的需求也成為了需要迫切解決的問題,所以車輛重識(shí)別任務(wù)也越來越受到人們的廣泛關(guān)注。識(shí)別車輛最簡(jiǎn)單的方法是車牌重識(shí)別,但是由于拍攝的場(chǎng)景,角度,光照影響和套牌車的出現(xiàn)都會(huì)有無法識(shí)別的情況出現(xiàn)。所以對(duì)于這個(gè)問題,我們不利用車輛信息來解決車輛重識(shí)別問題,僅僅依靠攝像頭拍下的信息來進(jìn)行識(shí)別。與其他的目標(biāo)重識(shí)別相似,車輛的不同車型、變化的光照和復(fù)雜的環(huán)境都嚴(yán)重影響了車輛重識(shí)別的有效性。所以,我們提出適用于車輛的基于深度學(xué)習(xí)的車輛重識(shí)別方案。本文工作及貢獻(xiàn)主要包括以下一些內(nèi)容。1)我們首先介紹了車輛的研究背景及其意義,并且對(duì)以往車輛重識(shí)別方案進(jìn)行了相應(yīng)的調(diào)研與分析,總結(jié)他們的優(yōu)缺點(diǎn)以及還有哪些方面需要我們解決,同時(shí)也介紹了我們提出的網(wǎng)絡(luò)模型。2)針對(duì)車輛的識(shí)別問題,我們采用三重?fù)p失去訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)自動(dòng)提取特征,訓(xùn)練時(shí)采用三元組（錨點(diǎn),正樣本,負(fù)樣本）去捕獲它們之間的相對(duì)相似性來學(xué)習(xí)代表性特征。但是,由于傳統(tǒng)的三重?fù)p失訓(xùn)練時(shí)的弱約束性,導(dǎo)致沒有達(dá)到很好的預(yù)期效果。我們提出改進(jìn)... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１車輛重識(shí)別的廣泛應(yīng)用??Ｆｉｇｕｒｅ?１．１?Ｗｉｄｅｓｐｒｅａｄ?Ａｐｐｌｉｃａｔｉｏｎ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｅｃｏｇｎｉｔｉｏｎ??

ｒ車囉綱］靈．??圖１．１車輛重識(shí)別的廣泛應(yīng)用??Ｆｉｇｕｒｅ?１．１?Ｗｉｄｅｓｐｒｅａｄ?Ａｐｐｌｉｃａｔｉｏｎ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｅｃｏｇｎｉｔｉｏｎ??ｌｌｌｆ＇?１?，?Ｓ，???—？；？?．?１?？?ｌｙｕｎｊ??⑶麵光照影響?遮擋．??ｓｓ，一?＾??ＳＳ?＿??圖１．２車輛重識(shí)別所面臨的挑戰(zhàn)??Ｆｉｇｕｒｅ?１．?２?Ｃｈａｌｌｅｎｇｅｓ?ｉｎ

圖２．１卷積神經(jīng)網(wǎng)絡(luò)??


本文編號(hào)：3487647