基于多任务卷积神经网络的车辆多属性识别

• 作者: 刘云龙 唐伦 王耀玮 陈前斌
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 细粒度车辆识别 车辆多属性 多任务学习 卷积神经网络 度量学习 车辆多属性数据集
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 热点与综述
• 页码范围: 21-27
• 页数: 7页
• 分类号: TP391.41
• 字数: 4932字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0170

摘要

细粒度车辆识别极具挑战性,尤其在两辆车的外型差异及其细微的时候.通过车辆的附加属性能够提高车辆识别效果,但一般的神经网络模型忽略了附加属性间的联系,提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络,用于实现细粒度车辆多属性识别.具体而言,通过对传统神经网络结构的改变,将车辆识别问题转化为多属性学习问题.对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别.同时,创建了一个车辆多属性数据集并完成训练工作,结果显示了该方法的潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈前斌	重庆邮电大学通信与信息工程学院	321	2153	22.0	32.0
2	唐伦	重庆邮电大学通信与信息工程学院	165	904	14.0	22.0
3	刘云龙	重庆邮电大学通信与信息工程学院	10	37	4.0	5.0
4	王耀玮	重庆邮电大学通信与信息工程学院	3	8	2.0	2.0