<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">TACS</journal-id><journal-title-group><journal-title>Technology and Application of Computer Science</journal-title></journal-title-group><issn>2998-8926</issn><eissn>2998-8934</eissn><publisher><publisher-name>Art and Design</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/TACS.2025010024</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于深度学习的车辆重识别方法研究</title><url>https://artdesignp.com/journal/TACS/2/1/10.61369/TACS.2025010024</url><author>谢宇</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>2</volume><issue>1</issue><history><date date-type="pub"><published-time>2025-01-14</published-time></date></history><abstract>随着信息技术的高速发展以及智慧城市理念的提出，智能交通系统实现快速发展。车辆重识别作为智慧交通系统的重要组成，它充分利用道路监控设施，通过计算机视觉技术处理监控视频，跨时空识别出目标车辆，并得到该车辆的轨迹，这样能够提高管理工作效率，尽可能地降低人力成本。基于此，本文对深度学习的车辆重识别方法展开分析和研究，以供参考。</abstract><keywords>深度学习,车辆重识别,智能交通系统</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 王瀚 , 唐岚 . 基于深度学习的车辆识别系统设计 [J]. 科技风 ,2020,(15):24-25.DOI:10.19392/j.cnki.1671-7341.202015020.
[2] 李豪炜 . 基于深度学习的车辆信息检测与识别研究 [D]. 石家庄铁道大学 , 2024.
[3] 罗智元 , 刘小勇 . 基于深度学习的车辆振动信息识别研究 [J]. 信息技术与信息化 , 2024, (02): 95-102.
[4] 戚自华 . 基于深度学习的车辆型号识别轻量级方法研究 [D]. 暨南大学 , 2023.
[5] 徐嘉良 . 基于深度学习的车辆减速情况识别算法研究与实现 [D]. 广西科技大学 , 2023.
[6] 苏戈燕 . 基于深度学习的车辆重识别技术研究 [D]. 北京工业大学 , 2023.
[7] 于海洋 . 基于深度学习的车辆重识别及其对抗攻击技术研究 [D]. 广州大学 , 2023.
[8] 孙莹莹 . 基于深度学习的车辆重识别方法研究 [D]. 南京信息工程大学 , 2023.
[9] 周华英 . 基于 AI 深度学习的车辆识别智能管理系统 [J]. 电子测试 , 2022, 36 (24): 76-78.
[10] 黄凤荣 , 羿博珩 , 王旭 , 等 . 基于深度学习与运动状态识别的车辆惯性导航方法 [J]. 中国惯性技术学报 , 2022, 30 (05): 569-575.
[11] 赵瑜 , 方亮 , 周云 , 等 . 基于深度学习理论和压缩感知技术的车辆识别与跟踪研究 [J]. 地震工程与工程振动 , 2021, 41 (05): 206-214.
[12] 黄士琛 , 邵春福 , 李娟 , 等 . 基于深度学习的车辆轨迹重建与异常轨迹识别 [J]. 交通运输系统工程与信息 , 2021, 21 (03): 47-54.
[13] 王瀚 , 唐岚 . 基于深度学习的车辆识别系统设计 [J]. 科技风 , 2020, (15): 24-25.
[14] 石鑫 , 赵池航 , 林盛梅 , 等 . 基于深度学习网络模型的车辆类型识别方法研究 [J]. 筑路机械与施工机械化 , 2020, 37 (04): 67-73+78.
[15] 朱立志 . 基于深度学习的车辆检测及车型识别研究 [J]. 汽车与配件 , 2019, (03): 58-60.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
