基于Fg-CarNet的车辆型号精细分类研究

摘要：

车辆型号识别在智能交通系统、涉车刑侦案件侦破等方面具有十分重要的应用前景.针对车辆型号种类繁多、部分型号区分度小等带来的车辆型号精细分类困难的问题,采用车辆正脸图像为数据源,提出一种多分支多维度特征融合的卷积神经网络模型Fg-CarNet (Convolutional neural networks for car fine-grained classification,Fg-CarNet).该模型根据车正脸图像特征分布特点,将其分为上下两部分并行进行特征提取,并对网络中间层产生的特征进行两个维度的融合,以提取有区分度的特征,提高特征表达能力,通过使用小卷积核以及全局均值池化,使在网络分类准确度提高的同时降低了网络模型参数大小.在CompCars数据集上进行验证,实验结果表明,Fg-CarNet提取的车辆特征在保证网络模型参数最小的同时,车辆型号识别率达到最高,实现了最好的分类效果.

关键词：车辆型号精细分类、卷积神经网络、多维度特征融合、分块并行

所属期刊栏目：44

资助基金：安徽省重点研究与开发计划项目1604d0802009;安徽省自然科学基金1708085MF158;安徽高校省级自然科学研究项目KJ2014ZD27

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1864-1875