论文部分内容阅读
在高速公路复杂因素干扰的情况下,存在车型误判和车辆颜色变化较大不易于识别的问题。文中利用深度学习Caffe框架中的LeNet、AlexNet、GoogLeNet3种网络模型对车型和颜色进行综合识别,得出3种网络模型下车型颜色的综合识别率,再与支持向量机(SVM)进行比较。实验结果表明,深度学习Caffe框架下3种模型的识别率相较支持向量机(SVM)的方法得到了大幅提高,且超过90%。其中Caffe框架下的GoogLeNet网络模型准确率可达95%以上,效果明显。