基于CNN、SVM和迁移学习的轮胎花纹分类

摘要：

轮胎花纹图像分类在交通事故及刑侦破案取证中具有重要的作用.为了准确地分类轮胎花纹图像,提出了一种基于卷积神经网络(convelutional neural network,CNN)、支持向量机(support vector machine,SVM)和迁移学习的轮胎花纹分类算法.首先对辅助数据库ImageNet进行CNN训练得到初始CNN模型;其次,基于迁移学习思想,利用轮胎花纹图像数据库对初始CNN模型的分类层进行微调训练,得到用于轮胎花纹图像分类的CNN模型;最后,从所得CNN模型的第二个全连接层提取输出的4 096维特征,用该特征对轮胎花纹图像进行基于SVM的图像分类.使用轮胎花纹图像数据库进行分类实验,结果表明,提出算法的分类精度达到93.1％.说明提出算法能够提高轮胎花纹图像的分类准确率.

关键词：轮胎花纹图像分类、迁移学习、卷积神经网络、支持向量机

所属期刊栏目：23

分类号：TP391.4(计算技术、计算机技术)

资助基金：公安部科技强警项目2016GABJC51;模式识别国家重点实验室开放课题基金201700013

在线出版日期：2018-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44