论文部分内容阅读
提出了一种基于深度学习的车辆分类模型来处理复杂的交通场景。该模型由车辆检测模型和分类模型两部分组成。在车辆检测模型中采用基于区域的卷积神经网络方法 R-CNN(Regions with Convolutional Neural Network),从杂乱背景的图像中提取单个车辆图像,该步骤为下一个分类模型提供数据。在车辆分类模型中,将车辆图像导入CNN模型,并生成特征,然后使用联合贝叶斯网络来实现分类过程。实验表明,该方法可以有效识别交通图像中的车辆构造和模型。