改进的多标签深度学习车辆属性识别研究

• 作者: 刘相利 曲宏山 赵珊 黄强强
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 车型识别 颜色识别 多标签深度学习 卷积神经网络 智能交通系统
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 技术热点——模式识别与人工智能
• 页码范围: 3-6,10
• 页数: 5页
• 分类号: TP391
• 字数: 4179字
• 语种: 中文

摘要

为了打击假牌、套牌车及以汽车为作案工具的犯罪,且由于传统单一的车型或颜色识别已显得力不从心,因此,提出了改进的多标签深度学习车型与颜色识别模型.该模型利用卷积神经网络自主学习有用特征,利用小卷积核构建深层网络提升模型对复杂函数的表达能力,以全局平均池化取代部分全连接层,减少参数与模型所占空间内存;并利用“单模型多标签”特性将车型与颜色信息融合,使提取到的特征表现力更强.在自建数据集下的实验结果表明,该模型能获得较好的识别结果和较高的准确率,特别是对相同子品牌的不同年款的大规模车型和颜色识别效果更佳,在刑侦稽查时能有效缩小搜索范围并迅速锁定类似目标车辆信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵珊	河南理工大学计算机科学与技术学院	44	191	8.0	9.0
2	曲宏山	河南工程学院计算机学院	8	15	3.0	3.0
3	黄强强	河南理工大学计算机科学与技术学院	2	3	1.0	1.0
7	刘相利	河南理工大学计算机科学与技术学院	2	3	1.0	1.0