本文主要研究内容
作者朱文佳,陈宇红,冯瑜瑾,王俊,余烨(2019)在《一种基于目标优化学习的车标识别方法》一文中研究指出:近年来,车标识别因其在智能交通系统中的重要作用,受到研究者的广泛关注。传统的车标识别算法多基于手工描述子,需要丰富的先验知识,且难以适应复杂多变的现实应用场景。相比手工描述子,特征学习方法在解决复杂场景的计算机视觉问题时具有更优性能。因此,提出一种基于目标优化学习的车标识别方法,基于从原图像中提取的像素梯度差矩阵,通过目标优化,自主学习特征参数。然后将像素梯度差矩阵映射为紧凑的二值矩阵,通过特征码本的方式对特征信息进行编码,生成鲁棒的特征向量。基于公开车标数据集HFUT-VL1和XMU进行实验,并与其他车标识别方法进行比较。实验结果表明,与基于传统特征描述子的方法相比,该算法识别率更高,与基于深度学习的方法相比,训练和测试时间更少。
Abstract
jin nian lai ,che biao shi bie yin ji zai zhi neng jiao tong ji tong zhong de chong yao zuo yong ,shou dao yan jiu zhe de an fan guan zhu 。chuan tong de che biao shi bie suan fa duo ji yu shou gong miao shu zi ,xu yao feng fu de xian yan zhi shi ,ju nan yi kuo ying fu za duo bian de xian shi ying yong chang jing 。xiang bi shou gong miao shu zi ,te zheng xue xi fang fa zai jie jue fu za chang jing de ji suan ji shi jiao wen ti shi ju you geng you xing neng 。yin ci ,di chu yi chong ji yu mu biao you hua xue xi de che biao shi bie fang fa ,ji yu cong yuan tu xiang zhong di qu de xiang su ti du cha ju zhen ,tong guo mu biao you hua ,zi zhu xue xi te zheng can shu 。ran hou jiang xiang su ti du cha ju zhen ying she wei jin cou de er zhi ju zhen ,tong guo te zheng ma ben de fang shi dui te zheng xin xi jin hang bian ma ,sheng cheng lu bang de te zheng xiang liang 。ji yu gong kai che biao shu ju ji HFUT-VL1he XMUjin hang shi yan ,bing yu ji ta che biao shi bie fang fa jin hang bi jiao 。shi yan jie guo biao ming ,yu ji yu chuan tong te zheng miao shu zi de fang fa xiang bi ,gai suan fa shi bie lv geng gao ,yu ji yu shen du xue xi de fang fa xiang bi ,xun lian he ce shi shi jian geng shao 。
论文参考文献
论文详细介绍
论文作者分别是来自图学学报的朱文佳,陈宇红,冯瑜瑾,王俊,余烨,发表于刊物图学学报2019年04期论文,是一篇关于车标识别论文,目标优化论文,特征学习论文,码本论文,像素梯度差矩阵论文,图学学报2019年04期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自图学学报2019年04期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。