发表服务
号2150070006硕士学位论文基于车辆声信号的SVM及CNN车型分类识别方法研究教授申请学位类别工学学位授予单位重庆交通大学一级学科名称计算机科学与技术论文提交日期2018二级学科名称计算机应用技术论文答辩日期2018...
其次在车牌识别的嵌入式系统硬件实现部分，本文具体研究了利用STM32MP157嵌入式芯片搭建车辆识别嵌入式系统外围电路的设计与原理，以及如何利用STM32CUBE－AI软件将训练好的CNN神经网络部署到嵌入式平台中，实时进行车牌识别
论文创新性在于:提出了基于CNN的车型识别算法。首先通过车辆检测定位车辆区域,再利用CNN网络对车辆进行细粒度车型识别。选取100000余张实际采集的卡口图像数据进行测试,实现了精确识别250类车辆类型,且识别平均准确率达到了99.3%。
一种基于cnn的车辆识别和轨迹追踪方法，包括以下步骤：(1)实时获取车辆的视频信息；(2)采用轮廓筛选机制对获取的视频帧进行预处理，提取车辆目标的候选区域；(3)将目标的候选区域输入卷积神经网络中，完成车辆目标和非车辆目标的识别；
MCFF-CNN网络的设计不仅考虑了计算的效率与实用性,且内存占用率较低,提高了网络的学习性能,利用MCFF-CNN网络提取的车辆颜色特征表现出良好的鲁棒性。为了评估所提出的车辆颜色识别系统的有效性,我们进行了大量的实验验证。
对于2D车辆边界框，使用四个变量进行表示：中心位置坐标（cx，cy），及边界框宽高（w，h），与FasterRCNN等物体检测方法定义边界框方式一致；对于3D车辆边界框，使用五个变量进行表示：车辆中心位置3D坐标（cx，cy，cz），车辆方向θ，车辆实际长宽高t=（w，h，l）
基于图像识别的车型识别系统毕业论文.摘要随着交通拥挤和堵塞等各种问题的日益突出，以及计算机技术的不断发展，智能交通系统(IntelligentTrafficSystem，ITS)得到了越来越广泛的应用，其中车型分类技术是重要的一个分支。.本论文对基于图像识别的车型...
ICCV2017（18篇）1.UnlabeledSamplesGeneratedbyGANImprovethePersonRe-IdentificationBaselineinVitro作者：ZhedongZheng;LiangZheng;YiYang摘要：本文的主要贡献是一个简单的半监…
如果一定要用深度学习，可以用pytorch，上手比较快，方法嘛，如果车辆在图片中比较小，可以先搞个目标检测网络（yolossdfasterrcnncenternet等等一大堆）把车检测出来，然后再在检测出来的车中检测车牌（同样上面的检测网络），最后上个LSTM识别个车牌就好了...
其中车辆类型识别项可识别21类车型，比国标要求的9大类车辆类型更加细致；车辆品牌型号识别中，车头可识别超过5500种型号、车尾可识别超过3500种；更能对特种车，诸如渣土车、危化品运输车辆、挂车、吊车等进行有效识别。同时支持对车辆的任意角度
号2150070006硕士学位论文基于车辆声信号的SVM及CNN车型分类识别方法研究教授申请学位类别工学学位授予单位重庆交通大学一级学科名称计算机科学与技术论文提交日期2018二级学科名称计算机应用技术论文答辩日期2018...
其次在车牌识别的嵌入式系统硬件实现部分，本文具体研究了利用STM32MP157嵌入式芯片搭建车辆识别嵌入式系统外围电路的设计与原理，以及如何利用STM32CUBE－AI软件将训练好的CNN神经网络部署到嵌入式平台中，实时进行车牌识别
论文创新性在于:提出了基于CNN的车型识别算法。首先通过车辆检测定位车辆区域,再利用CNN网络对车辆进行细粒度车型识别。选取100000余张实际采集的卡口图像数据进行测试,实现了精确识别250类车辆类型,且识别平均准确率达到了99.3%。
一种基于cnn的车辆识别和轨迹追踪方法，包括以下步骤：(1)实时获取车辆的视频信息；(2)采用轮廓筛选机制对获取的视频帧进行预处理，提取车辆目标的候选区域；(3)将目标的候选区域输入卷积神经网络中，完成车辆目标和非车辆目标的识别；
MCFF-CNN网络的设计不仅考虑了计算的效率与实用性,且内存占用率较低,提高了网络的学习性能,利用MCFF-CNN网络提取的车辆颜色特征表现出良好的鲁棒性。为了评估所提出的车辆颜色识别系统的有效性,我们进行了大量的实验验证。
对于2D车辆边界框，使用四个变量进行表示：中心位置坐标（cx，cy），及边界框宽高（w，h），与FasterRCNN等物体检测方法定义边界框方式一致；对于3D车辆边界框，使用五个变量进行表示：车辆中心位置3D坐标（cx，cy，cz），车辆方向θ，车辆实际长宽高t=（w，h，l）
基于图像识别的车型识别系统毕业论文.摘要随着交通拥挤和堵塞等各种问题的日益突出，以及计算机技术的不断发展，智能交通系统(IntelligentTrafficSystem，ITS)得到了越来越广泛的应用，其中车型分类技术是重要的一个分支。.本论文对基于图像识别的车型...
ICCV2017（18篇）1.UnlabeledSamplesGeneratedbyGANImprovethePersonRe-IdentificationBaselineinVitro作者：ZhedongZheng;LiangZheng;YiYang摘要：本文的主要贡献是一个简单的半监…
如果一定要用深度学习，可以用pytorch，上手比较快，方法嘛，如果车辆在图片中比较小，可以先搞个目标检测网络（yolossdfasterrcnncenternet等等一大堆）把车检测出来，然后再在检测出来的车中检测车牌（同样上面的检测网络），最后上个LSTM识别个车牌就好了...
其中车辆类型识别项可识别21类车型，比国标要求的9大类车辆类型更加细致；车辆品牌型号识别中，车头可识别超过5500种型号、车尾可识别超过3500种；更能对特种车，诸如渣土车、危化品运输车辆、挂车、吊车等进行有效识别。同时支持对车辆的任意角度
发表服务