基于Faster R-CNN的车辆多属性识别

• 作者: 孙涵 阮航
• 来源期刊: 计算机技术与发展
• 关键词: FasterR-CNN 多属性识别 车辆检测 深度学习 图像分类
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 应用开发研究
• 页码范围: 129-134
• 页数: 6页
• 字数: 4686字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.10.027

摘要

基于Faster R-CNN提出一种车辆的多属性识别模型.首先利用Faster R-CNN对车辆数据库进行训练,得到车辆检测网络,对图像中多个车辆目标进行检测.将检测结果输入改进的车辆属性识别网络中,对检测得到的车辆进行属性推断,包括车辆颜色、品牌和姿态.为评估车辆检测精度和车辆多属性识别的准确率,采集了8000张真实场景下的图片作为测试集进行测试.对于车辆检测网络,对比了R-CNN、Fast R-CNN等方法的检测精度;对于车辆属性识别,对比了不同网络结构、不同图片分辨率和单属性和多属性等对于识别准确率的影响.实验结果表明,基于Faster R-CNN的车辆多属性识别方法充分学习了不同属性间的特征,具有较高的准确率和检测精度,以及良好的通用性和鲁棒性,适用于车辆多属性分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙涵	南京航空航天大学计算机科学与技术学院	36	283	10.0	16.0
2	阮航	南京航空航天大学计算机科学与技术学院	3	8	2.0	2.0