[发明专利]一种基于卷积神经网络的车辆分类方法在审
| 申请号： | 201610536734.0 | 申请日： | 2016-07-08 |
| 公开（公告）号： | CN106203330A | 公开（公告）日： | 2016-12-07 |
| 发明（设计）人： | 张二虎;李敬;段刚龙 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/02 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 成丹 |
| 地址： | 710048*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的车辆分类方法，具体按照以下步骤实施：步骤1：获取学习样本，并给样本打上类别标签；步骤2：将获取到的学习样本作为训练数据，训练卷积神经网络模型，得到优秀的网络模型参数；步骤3：使用已经训练好的卷积神经网络模型，提取训练数据的特征，用liblinear分类器构建的支持向量机分类模型进行十折交叉训练，得到支持向量机分类模型；步骤4：使用卷积神经网络模型提取待分类的车辆模型的特征，然后使用支持向量机分类模型，得到待分类的车辆图像所属的车辆类别。本发明利用卷积神经网络的全连接层输出作为车辆图像的特征表示，然后利用SVM分类器对其进行分类，从而得到较好的车辆分类准确率。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 车辆 分类 方法 | ||
【主权项】：
一种基于卷积神经网络的车辆分类方法，其特征在于，具体按照以下步骤实施：步骤1：获取学习样本，并给样本打上类别标签；步骤2：将步骤1获取到的学习样本作为训练数据，训练卷积神经网络模型，得到优秀的网络模型参数；步骤3：使用步骤2中已经训练好的卷积神经网络模型，提取训练数据的特征，用liblinear分类器构建的支持向量机分类模型进行十折交叉训练，得到支持向量机分类模型；步骤4：使用步骤2中卷积神经网络模型提取待分类的车辆模型的特征，然后使用步骤3得到的支持向量机分类模型，得到待分类的车辆图像所属的车辆类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安理工大学，未经西安理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610536734.0/，转载请声明来源钻瓜专利网。
