10.3969/j.issn.1673-629X.2018.10.027
基于Faster R-CNN的车辆多属性识别
基于Faster R-CNN提出一种车辆的多属性识别模型.首先利用Faster R-CNN对车辆数据库进行训练,得到车辆检测网络,对图像中多个车辆目标进行检测.将检测结果输入改进的车辆属性识别网络中,对检测得到的车辆进行属性推断,包括车辆颜色、品牌和姿态.为评估车辆检测精度和车辆多属性识别的准确率,采集了8000张真实场景下的图片作为测试集进行测试.对于车辆检测网络,对比了R-CNN、Fast R-CNN等方法的检测精度;对于车辆属性识别,对比了不同网络结构、不同图片分辨率和单属性和多属性等对于识别准确率的影响.实验结果表明,基于Faster R-CNN的车辆多属性识别方法充分学习了不同属性间的特征,具有较高的准确率和检测精度,以及良好的通用性和鲁棒性,适用于车辆多属性分类.
FasterR-CNN、多属性识别、车辆检测、深度学习、图像分类
28
国家自然科学基金61203246,61375021;中央高校基本科研业务费专项资金NS2016091;江苏省自然科学基金SBK201322136
2018-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
129-134