基于深度学习的车型识别研究与应用

最近来，随着我国经济水平不断发展，人民生活质量和可支配收入逐渐提升，越来越多人希望获得更快捷的出行方式，选择购买电动汽车或新能源汽车，全国机动车持有数量呈现出不断增涨的姿态。同时，这也带来了日益严重的交通拥堵、停车困难、交通事故等问题。构建智能交通系统显得尤为必要，车型识别技术作为其中重要组成部分，随着深度学习方法得到广泛应用，本文基于深度学习对车辆车型识别进行研究，为解决日益凸显的交通问题做出贡献。本文对国内外车型识别研究进行总结，分析不同识别方法优势与不足。介绍神经网络的发展、相关结构与技术原理，深入了解不同深度神经网络模型（VGGNet、InceptionNet、ResNet）的结构及原理，突出其独特改进优势。本文选用识别精度较高，在速度上具有很大优势的YOLO算法，在BIT-Vehicle ID数据集上进行车辆检测试验，实验获得较好的准确度，mAP达到94.08%。