总的来说,这篇文章内容不多,没有什么很吸引人的地方,平平的一篇作品,很适合初学者阅读。
题目:A Deep Convolution Neural Network Model for Vehicle Recognition and Face Recognition
摘要:近几年,车俩识别在智能交通监控和管理中成为了越来越重要的一项应用。在这篇文章中,我们指出了一个不少于9层的深度卷积神经网络。使用了一个多方面收集的车辆数据集和深度学习框架caffe来改进指定的算法。对比传统的基于机器学习的车辆识别方法,传统方法需要车辆定位并且准确率较低,提出的使用深度卷积神经网络模型有更好的表现。
1.引言
介绍了CNN的发展,强调了CNN的准确率和效率,说明了自己建立的网络结构一个8层,一个9层,用来进行车辆识别和人脸识别,用车辆数据集对比8层和9层的效果,显然9层准确率更高一些。将训练好的9层网络直接应用于人脸数据集,准确率80.5%。
2.相关工作
介绍了caffe框架的的发展历史和优势,介绍了Alexnet的网络结构。
3.网络介绍
大体结构可以说是对Alexnet的改进,输入图片尺寸更大一些。
4.实验结果
4.1
基于车辆数据集的8层和9层学习网络结构
4.2
基于车辆数据集和人脸数据集的9层学习网络
5.总结