基于CNN-SVM的车辆检测与类型分类

本文中提出了在真实的道路环境中使用修改和改进的AlexNet进行车辆检测和分类。在面临的诸多挑战中,利用YOLO深度学习系列算法提出潜在区域,解决了单一特征提取车辆候选区域鲁棒性差的问题,提高了检测速度。为此,我们选择了轻量级网络Yolov2-tiny作为位置网络。此外,在AlexNet的基础上提出了一种改进算法,并将空间金字塔池SPP引入到车辆分类网络中,解决了因图像缩放而导致的图像失真而导致的精度不高的问题。将CNN与支持向量机相结合,将支持向量机中的归一化特征相结合,提高了模型的泛化能力。实验表明,该方法在车辆检测和类型分类方面具有较好的性能。