基于多颜色空间卷积神经网络的车辆颜色分类

论文摘要

针对车身灰尘堆积、色彩蜕变以及不同光照条件下的颜色变化等情况导致的车辆颜色识别准确率低的问题,提出一种基于多颜色空间卷积神经网络的车辆颜色分类方法,结合多颜色空间信息及模型选择融合机制进行颜色分类。通过实验表明该方法能够达到较高的识别效果,分类准确率达95%,泛化性能良好。

论文目录

• 1 基于多颜色空间卷积神经网络的车辆颜色分类
•   1.1 多颜色空间转化
•     1.1.1 RGB颜色空间
•     1.1.2 HSV颜色空间
•     1.1.3 LAB颜色空间
•   1.2 VGGNet分类
•   1.3 模型输出判别
• 2 实验结果
•   2.1 不同颜色空间对比
•   2.2 不同算法模型对比
• 3 结束语

文章来源

类型: 期刊论文

作者: 李慧,利齐律,程良伦,黄国恒

关键词: 车辆颜色识别,多颜色空间,卷积神经网络

来源: 工业控制计算机 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 广东工业大学计算机学院,广东工业大学自动化学院

基金: 车辆多维特征识别与速通式安检技术研究(2016YFC0800506),大南海区域广东高分大数据平台与应用示范项目(83-Y40G33-9001-18,20)

分类号: TP183;TP391.41;U495

页码: 78-79+82

总页数: 3

文件大小: 1652K

下载量: 170