基于深度学习的车辆信息识别（一）：车辆颜色识别

最新推荐文章于 2024-08-02 23:30:27 发布

cesc_trezeguet

最新推荐文章于 2024-08-02 23:30:27 发布

阅读量1.5w

点赞数 9

分类专栏：车辆信息识别文章标签：深度学习车辆识别颜色分类

本文链接：https://blog.csdn.net/cesc_trezeguet/article/details/72461935

版权

导师给的一个项目任务，要求对卡口拍摄的车辆监控图片进行自动识别，识别目标包括：

相当有挑战性的任务，哈？
打算先实现相对简单一些的任务，如颜色、安全带等。至于车辆品牌识别，Whatever，能做到哪里算哪里了，品牌实在太多。

开发平台使用Caffe，参考了博客小咸鱼_的实现（pretrained CaffeNet+finetune），本文主要在其基础上补充一些实现的细节。训练好的模型已经分享到百度云。
链接: https://pan.baidu.com/s/1eRSDFlo 密码: ahyx

在caffe/examples下建立目录car_color，并在其下面建立几个子目录：
car_color/data：存放训练和验证数据
car_color/models：存放prototxt和训练得到的模型
car_color/pre_train_models：存放预训练的CaffeNet

data目录
首先新建文件color_map.txt，存放待分类的颜色，这里我们划分了8种颜色：

black
white
red
blue
green
gray
yellow
brown

对每种颜色划分train和valid数据：

# ratio for train and valid data
train_ratio = 0.8
val_ratio = 0.2

if not os.path.exists('train/' + color):
    os.makedirs('train/' + color)

关注