车辆属性识别及跨场景标注方案

• 作者: 吴文熙 董振江 高燕
• 来源期刊: 中兴通讯技术
• 学科: 工学
• 关键词: 精细化属性识别 CNN 深度学习 计算机视觉
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 专题:神经网络与深度学习
• 页码范围: 20-24
• 页数: 5页
• 分类号: TN929.5
• 字数: 4565字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-6868.2017.04.004

摘要

提出采用一种基于深度学习的识别方法,来辅助获取训练模型中所需要的车辆属性标签.该方法首先利用海报图像构建大规模车辆属性数据集(SYSU-ZTE-CARS),训练基于卷积神经网络(CNN)的识别模型,再将模型迁移到监测控制场景中进行标注测试,间接获取属性标签.采用CNN+softmax分类器的结构作为基本框架,引入细粒度识别技术以进一步优化识别性能.利用5种常用车辆属性进行测试,实验结果表明:所提出的方案不仅在SYSU-ZTE-CARS数据集上的识别精度高,而且在监测控制场景下的标注结果也很可靠.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董振江		27	235	9.0	14.0
2	高燕		2	6	1.0	2.0
3	吴文熙		1	6	1.0	1.0