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 |
| |
引用本文: | 肖和平,赵宇恒,米素娟.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[J].湖南交通科技,2021,47(1):140-145. |
| |
作者姓名: | 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,湖南 长沙 410015;中国地质大学(武汉)地理与信息工程学院,湖北 武汉 430074;中国交通通信信息中心,北京 100011 |
| |
基金项目: | 国家重点研发计划课题项目 |
| |
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%.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.
|
关 键 词: | 深度学习 CaffeNet模型 交通设施 分类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|