-
题名基于级联多任务深度学习的卡口识别引擎研究
被引量:4
- 1
-
-
作者
何霞
汤一平
袁公萍
陈朋
王丽冉
-
机构
浙江工业大学信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2019年第1期303-308,共6页
-
基金
国家自然科学基金(61070134
61379078)资助
-
文摘
针对在将卡口非结构化视频图像数据转化为智能结构化信息的过程中存在环境的复杂性、需求的多样性、任务的关联性和识别的实时性等问题,提出了一种级联多任务深度学习网络的卡口识别引擎方法,其通过充分利用分割、检测、识别等任务之间的相互联系实现了高精度的、高效的、同步实时的卡口车辆多种基本信息的识别(车型、品牌、车系、车身颜色以及车牌等识别任务)。首先,利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从卡口道路复杂背景中提取出感兴趣区域(包括多车辆对象);然后,利用多任务深度学习网络对提取出来的车辆对象实现多层次的多任务识别。实验结果表明,提出的方法在识别精度和效率上都明显优于传统计算机视觉方法和现有的基于深度学习的识别引擎技术,该方法对车型、品牌、车系及车牌的识别与检测精度均达到98%以上,检测效率提升了1.6倍。
-
关键词
卡口识别引擎
深度学习
级联网络
多任务深度学习
卷积神经网络
-
Keywords
Bayonet recognition engine
Deep learning
Cascade network
Multitask deep learning
Convolutional neural network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-