基于Fg-CarNet的车辆型号精细分类研究

• 作者: 余烨 傅云翔 路强 金强
• 来源期刊: 自动化学报
• 关键词: 车辆型号精细分类 卷积神经网络 多维度特征融合 分块并行
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1864-1875
• 页数: 12页
• 字数: 8981字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c170109

摘要

车辆型号识别在智能交通系统、涉车刑侦案件侦破等方面具有十分重要的应用前景.针对车辆型号种类繁多、部分型号区分度小等带来的车辆型号精细分类困难的问题,采用车辆正脸图像为数据源,提出一种多分支多维度特征融合的卷积神经网络模型Fg-CarNet (Convolutional neural networks for car fine-grained classification,Fg-CarNet).该模型根据车正脸图像特征分布特点,将其分为上下两部分并行进行特征提取,并对网络中间层产生的特征进行两个维度的融合,以提取有区分度的特征,提高特征表达能力,通过使用小卷积核以及全局均值池化,使在网络分类准确度提高的同时降低了网络模型参数大小.在CompCars数据集上进行验证,实验结果表明,Fg-CarNet提取的车辆特征在保证网络模型参数最小的同时,车辆型号识别率达到最高,实现了最好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金强	合肥工业大学计算机与信息学院	5	37	4.0	5.0
2	余烨	合肥工业大学计算机与信息学院	24	256	9.0	15.0
3	路强	合肥工业大学计算机与信息学院	23	98	6.0	8.0
4	傅云翔	合肥工业大学计算机与信息学院	1	9	1.0	1.0