基于改进型MobileNet网络的车型识别方法被引量：5

下载PDF

导出

摘要车型识别是车辆结构化系统的重要方面。针对嵌入式环境下车型识别精度的要求,提出改进型MobileNet网络模型。利用Squeeze-and-Excitation模块对MobileNet网络结构进行改进,提高车型识别精度。实验表明,所提出的改进策略可以有效地提高车型识别的精度。

作者黄跃珍王乃洲梁添才金晓峰

机构地区广州无线电集团广电智能安全研究院

出处《电子技术与软件工程》 2019年第1期22-24,共3页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

关键词卷积神经网络 MobileNet网络车型识别 Squeeze-and-Excitation网络

同被引文献29

1葛道辉,李洪升,张亮,刘如意,沈沛意,苗启广.轻量级神经网络架构综述[J].软件学报,2020(9):2627-2653. 被引量：52
2薛明东,郭立.基于SVM算法的图像分类[J].计算机工程与应用,2004,40(30):230-232. 被引量：13
3吴佳,张永红,白净,翁维良,吴煜,韩垚,李敬华.基于分水岭变换和主动轮廓模型的舌体轮廓图像分割[J].清华大学学报（自然科学版）,2008,48(6):1040-1043. 被引量：18
4李杰,韩正之.神经网络的学习误差函数及泛化能力[J].控制与决策,2000,15(1):95-97. 被引量：29
5金茂菁.我国智能交通系统技术发展现状及展望[J].交通信息与安全,2012,30(5):1-5. 被引量：78
6曹莹,苗启广,刘家辰,高琳.AdaBoost算法研究进展与展望[J].自动化学报,2013,39(6):745-758. 被引量：271
7赵娜,袁家斌,徐晗.智能交通系统综述[J].计算机科学,2014,41(11):7-11. 被引量：132
8冀中,刘青,聂林红,庞彦伟.基于卷积神经网络的纹理分类方法研究[J].计算机科学与探索,2016,10(3):389-397. 被引量：17
9高雅平,陈一民,邹一波,黄晨,高明柯,李启明.优化改进的深度图像空洞填补算法[J].计算机工程与设计,2016,37(11):3040-3044. 被引量：2
10姜朔,胡洁,夏春明,戚进,彭颖红.基于Otsu阈值法与形态学自适应修正的舌像分割方法[J].高技术通讯,2017,27(2):150-155. 被引量：17

1饶睿.基于深度学习的疲劳驾驶检测系统[J].科学技术创新,2021(13):172-173. 被引量：4
2徐海青,浦正国,余江斌,白景坡.基于注意力机制及滑窗检测的电网散断股识别算法[J].能源与环保,2021,43(8):210-215.
3何启远,潘德泰,李贵亮,林清,董芸州,李小敏,高振宇.融合SE-Attention图像识别模型的电力设备监测系统[J].西安工程大学学报,2021,35(4):71-76. 被引量：16
4曲爱妍,张正,梁颖红,吴秋玲,黄晓婷.基于方向梯度直方图特征的车脸识别方法研究[J].软件工程,2021,24(9):38-43. 被引量：1
5柳天宇,王克强.基于KCF算法的空中目标跟踪模拟[J].激光与红外,2021,51(10):1396-1400. 被引量：5
6刘宽,郎磊.轻量化SSD目标检测方法研究[J].湖北民族大学学报（自然科学版）,2021,39(4):418-424. 被引量：3
7刘佳丽,黄世震,何恩德.基于ARM和深度学习的智能行人预警系统[J].信息技术与网络安全,2021,40(12):60-64. 被引量：1
8陈怡帆.基于MobileNet的果蔬识别系统[J].现代信息科技,2021,5(13):155-158. 被引量：1
9刘哲,朱东弼.基于深度学习的车辆检测算法之特点分析[J].科技视界,2022(1):87-88. 被引量：1
10郭子昇,王吉芳.融合纹理增强层的轻量级智能骨骼图像分类器[J].北京信息科技大学学报（自然科学版）,2022,37(1):90-95.

电子技术与软件工程

2019年第1期

内容加载中请稍等...