基于应用于FM-CW雷达信号的卷积网络的车辆分类
计算机视觉与模式识别
2018-04-23 v3
摘要
本文研究用于车辆分类的调频连续波(FM-CW)雷达信号处理。近年来深度学习在多个科学领域获得关注，信号处理也不例外。本工作中，我们通过对距离多普勒特征应用卷积神经网络(CNN)来解决车辆类别识别问题。所开发的系统首先将一维信号转换为三维信号，随后用作CNN的输入。当使用训练好的模型预测车辆类别时，我们获得了良好的性能。
引用
@article{arxiv.1710.05718,
title = {Vehicle classification based on convolutional networks applied to FM-CW radar signals},
author = {Samuele Capobianco and Luca Facheris and Fabrizio Cuccoli and Simone Marinai},
journal= {arXiv preprint arXiv:1710.05718},
year = {2018}
}
备注
in Proceedings of 1st European Conference on Traffic Mining Applied to Police Activities (TRAP 2017)