Faster-RCNN的车型识别分析

• 作者: 桑军 罗红玲 郭沛 陈欣 项志立
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 车型识别 目标检测 Faster RCNN 卷积神经网络
• 年，卷（期）: 2017,（7）
• 页码范围: 32-36
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2017.07.005

摘要

车型识别是目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点之一.针对已有车辆检测方法缺乏识别车型能力的问题,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-101 3种卷积神经网络分别结合的策略,实验对比了该策略中的3种结合模型方案在BIT-Vehicle和CompCars2种大型车型数据库的车型识别能力.在BIT-Vehicle数据集上,基于Faster-RCNN与ResNet-101结合模型方案的车型识别率高与其余2种结合模型方案,其车型识别率高达91.3％;在迁移测试CompCars数据集上,3种结合模型方案均展现了很好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桑军	重庆大学信息物理社会可信服务计算教育部重点实验室	42	250	8.0	14.0
5	郭沛	重庆大学软件学院	3	86	3.0	3.0
6	陈欣	重庆大学信息物理社会可信服务计算教育部重点实验室	13	167	6.0	12.0
10	项志立	重庆大学软件学院	2	58	2.0	2.0
11	罗红玲	重庆大学软件学院	2	58	2.0	2.0