弱监督分层深度学习的车辆识别算法

• 作者: 江浩斌 王海 蔡英凤 陈龙
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 车辆识别 深度学习 弱监督训练 特征提取
• 年，卷（期）: 2016,（6）
• 页码范围: 1141-1147
• 页数: 7页
• 分类号: TP391.4
• 字数: 3731字
• 语种: 中文

摘要

针对已有分类器在结构形式和训练方法的不足，构建了一个以二维深度置信网络（2D deep be‐lief networks ，2D‐DBN）为架构的弱监督分层深度学习车辆识别算法。首先，将传统一维的深度置信网络（Deep belief networks ，DBN）扩展成2D‐DBN ，并构建相应分类器结构，从而能够直接以二维图像像素矩阵作为输入；其次，在传统无监督训练的目标函数中，引入了一个具有适当权重的判别度正则化项，将原有无监督训练转化为带有较弱监督性的弱监督训练方式，从而使提取的特征较传统无监督特征更具判别性。多组对比实验表明，本文所提算法在识别率等指标上要优于已有深度学习算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈龙	江苏大学汽车工程研究院	368	3236	25.0	34.0
2	江浩斌	江苏大学汽车与交通工程学院	194	1654	21.0	29.0
3	蔡英凤	江苏大学汽车工程研究院	56	247	9.0	14.0
4	王海	江苏大学汽车与交通工程学院	38	221	9.0	13.0