深层卷积神经网络在车标分类上的应用

摘要

在目标不够清晰的视频中采集车标样本,通过加噪的方式扩充了样本量,设计3层卷积神经网络,寻求合适的参数,从训练样本中提取特征,充分利用了训练样本提供的信息进行模型训练和分类.实验结果证明该方法在光照变化和噪声污染的情况下仍能保持较高的准确率,能适应恶劣环境,在自有数据集上分类准确率高达99.06%.