基于深度哈希网络的车型识别方法

摘要：

针对车型识别任务的特点,设计了一种基于深度哈希网络的车型识别方法,实现了在类间差异不明显、样本量较少的情况下进行车型检索和分类.对数据增广方法进行研究,针对车型数据集的特点,提出了适用于车型识别的数据增广方法,有效提升了小样本车型识别的准确率.深度哈希网络采用改进的HashNet网络来快速学习车辆的二值特征表达,针对深度哈希网络使用全连接层导致参数过多的问题,提出了HashNet-GAP网络,以全局平均池化层替换了HashNet中的部分全连接层.相对于HashNet网络,大幅度减少了参数数量,提升了前向计算速度和网络性能.实验结果表明,该车型识别方法能够对类间差距很小的不同车型进行有效识别,在小样本数据集上取得80.0％的Top1准确率,并且能够显著降低模型的存储消耗和内存消耗.

关键词：车型识别、卷积神经网络、数据增广、全局平均池化、深度哈希网络

所属期刊栏目：30

分类号：TP39(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金NS2016091

在线出版日期：2020-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12