基于迁移学习的车辆目标识别

文章预览

作者：李慧，王艳娥 来源：《计算机系统应用》期刊 编辑：陈萍萍的公主@一点人工一点智能 原文：https://www.c-s-a.org.cn/html/2024/11/9667.html 摘要 ：为提高车辆识别的准确率及识别的实时性能，本文提出了一种基于迁移学习的车辆识别方法。该方法通过卷积神经网络和支持向量机结合并做进一步优化，提高车辆识别的准确率，并减少模型训练时间和提高模型的鲁棒性。 该方法首先使用卷积神经网络在CIFAR-10数据集上训练好网络；然后结合残差优化的思想，使用更深的预训练网络结构提取细粒度特征；在模型网络的参数迁移过程中，只迁移预训练的卷积层参数，并添加全连接层在车辆数据集上进行微调; 最后将提取的特征直接放入支持向量机中进行分类。 通过详细的模型实验与结果分析，本方法能够最终达到的最高识别正确率为97.56%，单张图片识别时 ………………………………