一种用于车辆识别和人脸识别的深度卷积神经网络模型

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