原文传递
基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究
| 题名： | 基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究 |
| 作者： | 肖和平;赵宇恒;米素娟 |
| 作者单位： | 湖南省交通运输厅科技信息中心;中国地质大学(武汉)地理与信息工程学院;中国交通通信信息中心 |
| 关键词： | 深度学习;CaffeNet模型;交通设施;分类 |
| 摘要： | 综合交通设施场景的自动分类与识别对交通网络布局、城市规划、智慧城市建设等方面有重要的研究与实践价值。鉴于目前研究主要集中在单一的交通设施目标识别与检测方面，采用速度快、分类精度高、适宜于海量数据运算的CaffeNet深度学习模型，基于迁移学习思想，通过5层卷积、3层池化、1层全连接等过程提取机场、桥梁、停车场、港口、火车站等交通设施场景图像的特征向量，并输入到SVM分类器中进行分类，平均分类精度达到93。5%o实验中将CaffeNet模型与基于VGG-16、GoogleNet这2种深度学习模型的方法，以及SIFT、LBP、CH这3种基于低层特征提取的方法进行对比分析，证明基于CaffeNet模型的方法具有相对较好的稳定性和较高的识别精度。 |
| 期刊名称： | 湖南交通科技 |
| 出版年： | 2021 |
| 期： | 01 |
| 页码： | 140-145 |
检索历史
应用推荐
