基于卷积神经网络的小样本车辆检测与识别

• 作者: 吴志红 吴玉枝 熊运余
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 卷积神经网络 车辆检测 车型识别 多特征结合 分段训练
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391.4
• 字数: 5400字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.06.001

摘要

设计了一种快速准确的算法,实现了环境复杂、样本缺少情况下实时车辆检测和车型识别,特别是对三轮车的识别.利用一种改进的卷积神经网络(convolutional neural network,CNN)快速学习车辆特征,采用微调、分段训练以及多层特征图结合的策略增强网络特征学习能力,在小样本下尽可能全面地学习目标特征.摒弃繁琐耗时的区域推荐算法和后分类算法,利用单个网络直接预测图片中目标车辆的位置和车型类别,大幅提高了算法性能.实验结果表明,采用GeForce GTX 1080 GPU时,该算法对各类车型识别准确度较为平衡,平均检测准确率高达72.2％,每秒检测帧数46.57,在雨天、晴天、夜晚、强光和树荫等各种复杂场景下均有较好的适应性,适用于真实视频监控下智能交通系统精确实时的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴志红	四川大学图形图像研究所	45	209	8.0	12.0
2	熊运余	四川大学图形图像研究所	39	147	6.0	11.0
3	吴玉枝	四川大学计算机学院	5	6	1.0	2.0