基于高维特征表示的交通场景识别

• 作者: 刘文华 李浥东 王涛 邬俊 金一
• 来源期刊: 智能科学与技术学报
• 学科: 工学
• 关键词: 场景识别 卷积神经网络 高维特征 低维特征
• 年，卷（期）: 2019,（4）
• 页码范围: 392-399
• 页数: 8页
• 分类号: TP30

摘要

随着智能交通的发展,快速、精确识别交通场景成为亟待解决的重要问题。目前已有许多识别方法可以提高交通场景的识别效果,但这些算法无法提取视觉概念的交通语义特征,导致识别精度低下。为此,设计了一种提取高维场景语义特征和结构信息的识别算法,以提高识别精度。为减少图像高维与低维特征表示之间的"语义鸿沟",首先构建了一个场景类的语义描述系统,然后通过最小化损失(element-wise logistic loss)函数训练多标签分类网络,获取交通场景图像的高维特征表示,最后在4个大规模场景识别数据集上进行验证,实验结果显示,新算法在识别性能上优于其他的方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	北京交通大学计算机与信息技术学院	33	379	11.0	19.0
2	刘文华	北京交通大学计算机与信息技术学院	5	28	3.0	5.0
3	金一	北京交通大学计算机与信息技术学院	8	199	5.0	8.0
4	李浥东	北京交通大学计算机与信息技术学院	8	7	2.0	2.0
5	邬俊	北京交通大学计算机与信息技术学院	3	9	1.0	3.0