Обмен технологиями

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Оглавление

1. Предыстория выбора темы и значимость исследования.

2. Статус исследований в стране и за рубежом

3. Точки инноваций алгоритма

4. Эксперимент и анализ результатов

5. Внедрение системы

6. Резюме и перспективы

---

Эта статья называется «Исследование и системная реализация алгоритма повторной идентификации транспортных средств на основе глубокого обучения» и написана Ци Тяньтянем из Восточно-Китайского педагогического университета. Она направлена ​​на изучение использования технологии глубокого обучения для повышения точности повторной идентификации транспортных средств. идентификации и построить интеллектуальную систему повторной идентификации транспортных средств на основе этого алгоритма. В статье рассматриваются предыстория, статус исследований, инновации в алгоритмах и системная реализация технологии повторной идентификации транспортных средств.

1. Предыстория выбора темы и значимость исследования.

По мере увеличения количества транспортных средств традиционное ручное управление движением становится все более сложным, и, как того требует время, появляются интеллектуальные транспортные системы. Являясь важной частью интеллектуального транспорта, технология повторной идентификации транспортных средств может идентифицировать конкретные транспортные средства на изображениях или видео с разных точек зрения, что имеет большое значение для таких задач, как интеллектуальная безопасность и отслеживание транспортных средств. Однако существующая технология распознавания номерных знаков имеет такие проблемы, как перекрытие номерных знаков и поддельные номерные знаки, что делает исследования по повторной идентификации транспортных средств без номерных знаков особенно важными.

2. Статус исследований в стране и за рубежом

В данной статье рассматриваются методы повторной идентификации транспортных средств, основанные на глобальных характеристиках, локальных характеристиках и механизмах внимания. Метод глобальных признаков извлекает общие характеристики транспортного средства для идентификации, но локальные детали легко игнорировать; метод локальных признаков различает похожие транспортные средства, извлекая локальные детали транспортного средства, но существующие методы часто игнорируют взаимосвязь пространственной структуры между локальными признаками. Внимание. Механизм повышает точность распознавания, усиливая внимание модели к важным функциям, но игнорирует корреляцию между различными каналами функций.