基于深度卷积神经网络的车型识别方法 |
| |
引用本文: | 袁公萍,汤一平,韩旺明,陈麒.基于深度卷积神经网络的车型识别方法[J].浙江大学学报(自然科学版 ),2018(4). |
| |
作者姓名: | 袁公萍 汤一平 韩旺明 陈麒 |
| |
作者单位: | 浙江工业大学信息工程学院 |
| |
摘 要: | 针对现有车辆车型视觉识别技术中的检测精度不高、难以适应天气环境变化、难以从视频图像中准确提取出用于识别的车辆图像、难以对车辆车型子类进行识别分类、难以兼顾识别精度和检测效率等不足,将深度卷积神经网络引入车辆目标定位、识别和分类(子类)问题中.利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从道路复杂背景中提取出感兴趣区域;利用softmax分类器训练特征实现车型识别;为了优化softmax在深度卷积神经网络分类过程中出现的类内间距大的问题,引入中心损失函数对softmax损失函数进行优化,提高类间分散性与类内紧密性.在BIT-Vehicle车型数据集中的实验结果显示,提出方法的平均精度为89.67%,检测和识别时间为159ms;与传统的分类方法相比,识别精度提高约20%,效率提高10倍以上,检测鲁棒性有明显提升;与未改进前的深度卷积神经网络相比,检测精度提高0.6%,速度提高0.29倍.
|
本文献已被 CNKI 等数据库收录! |
|