基于深度学习的车型识别系统的设计与实现.pdfVIP

目录 摘 要1 1. 引言3 1.1. 研究背景与意义 3 1.2. 主要研究内容 3 1.3. 论文组织结构 4 2. 车型识别系统总体设计5 2.1. 系统需求分析 5 2.2. 环境介绍 5 2.3. 整体方案设计 5 2.4. 原理概述 6 3. 相关技术介绍8 3.1. ResNet-50网络架构介绍 8 3.2. 前后端技术介绍 9 4. 数据集设计与制作11 4.1. 数据集介绍 11 4.2. 数据爬取与整理 11 5. ResNet-50训练与调试15 5.1. 图像预处理 15 5.2. 全连接层设计 16 5.3. 损失函数与优化器设计 19 5.4. 模型训练 20 5.5. 泛化能力测试及结果分析 22 6. 模型应用23 6.1. 分类程序设计 23 6.2. 图像识别网站设计 24 7. 总结与展望25 7.1. 本文总结 25 7.2. 设想与展望 25 致谢26 参考文献27 附件1：程序源码28 0 摘 要 随着城市化建设的不断发展，我国对交通建设的需求也不断增长。发展智能交通是一 项重要的任务，而汽车车型的识别在智能交通领域又起着极其重要的作用。本文采用PyTor ch这一深度学习框架，利用ResNet- 50预训练模型为基础训练得到了用于车型识别的模型，通过分析比对全连接层中的各项参 数与各类函数，对该模型的全连接层进行了修改与调优以适应本模型。除此之外，本文通 过编写爬虫脚本采集迁移学习时所需要的样本图片以完成训练集的制作。经过不断尝试与 挑选得到了训练完成的最优模型并将其应用到实际场景中，分别设计了一个汽车图片分类 程序以及一个以html为前端、python为后端的车型识别网站。 关键字：深度学习、车型识别、迁移学习、PyTorch 。 1 Abstract With the continuous development of urbanization construction, Chinas demand for transportation construction is growing at the same time. Developing intelligent transportation is an significant task, and the identification of vehicle type plays an very important role in the field of intelligent transportation. In this paper, we use PyTorch as the deep learning framework, and use the ResNet-50 pre-training model as the basis for training to obtain a model for vehicle type identification. The full-connection layer has been modified and tuned to suit this model. In addition, this article completes the production of the training set by writing a crawler script to collect the sample pictures needed for training with migration