基于Tensorflow的车型识别系统研究

研究了基于谷歌深度学习框架Tensorflow的深度学习在车型识别领域应用的可能性，使用了卷积神经网络模型，将6种不同类型的车辆图片作为训练集输入神经网络，通过多次训练，选择合适的神经网络超参数，最终得到了可以通过输入图片直接识别汽车类型的卷积神经网络模型，且准确率约为92%。同时，通过学习，以Tensorflow为后端，keras为前端进行建模、编程的完整流程，为进一步使用Tensorflow深度学习框架构建图像识别的应用环境打下了基础。