论文部分内容阅读
卷积神经网络在图像分类领域取得了很好的成绩,但存在模型的计算量太大、无法满足实时性需求的不足。针对车型分类应用,改进卷积神经网络模型,提出一种快速分类的模型。本文车型分类系统将车辆分为小轿车、巴士、卡车、摩托车、非机动车5种类型。考虑到摩托车和卡车与其他车型的车头外形、车轮廓等低层特征区别较大,而卷积神经网络不同卷积层可以抽取不同层次特征,故不同车型之间可以提取不同层次特征即可分类,继而减少了部分卷积层的计算量。最后,使用所提算法改进Alex Net模型,并利用采集的交通视频进行模型的验证,实验显示