基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究  

Classification and recognition of the comprehensive traffic facility scenes based on deep learning of CaffeNet model

作　　者：肖和平[1] 赵宇恒 米素娟 XIAO He-ping

机构地区：[1]湖南省交通运输厅科技信息中心,湖南长沙410015 [2]中国地质大学(武汉)地理与信息工程学院,湖北武汉430074 [3]中国交通通信信息中心,北京100011

出　　处：《湖南交通科技》2021年第1期140-145,共6页Hunan Communication Science and Technology

基　　金：国家重点研发计划课题项目(2017YFB0503804)。

摘　　要：综合交通设施场景的自动分类与识别对交通网络布局、城市规划、智慧城市建设等方面有重要的研究与实践价值。鉴于目前研究主要集中在单一的交通设施目标识别与检测方面,采用速度快、分类精度高、适宜于海量数据运算的CaffeNet深度学习模型,基于迁移学习思想,通过5层卷积、3层池化、1层全连接等过程提取机场、桥梁、停车场、港口、火车站等交通设施场景图像的特征向量,并输入到SVM分类器中进行分类,平均分类精度达到93.5%。实验中将CaffeNet模型与基于VGG-16、GoogleNet这2种深度学习模型的方法,以及SIFT、LBP、CH这3种基于低层特征提取的方法进行对比分析,证明基于CaffeNet模型的方法具有相对较好的稳定性和较高的识别精度。

关 键 词：深度学习 CaffeNet模型 交通设施 分类 

分 类 号：TU984.191[建筑科学—城市规划与设计]