基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对深度卷积神经网络模型缺乏对语义信息的表征能力,而细粒度视觉识别中种类间视觉差异微小且多集中在关键的语义部位的问题,提出基于语义信息融合的深度卷积神经网络模型及细粒度车型识别模型.该模型由定位网络和识别网络组成,通过定位网络Faster RCNN获取车辆目标及各语义部件的具体位置;借助识别网络提取目标车辆及各语义部件的特征,再使用小核卷积实现特征拼接和融合;最后经过深层神经网络得到最终识别结果.实验结果表明,文中模型在斯坦福BMW-10数据集的识别准确率为78.74%,高于VGG网络13.39%;在斯坦福cars-197数据集的识别准确率为85.94%,其迁移学习模型在BMVC car-types数据集的识别准确率为98.27%,比该数据集目前最好的识别效果提高3.77%;该模型避免了细粒度车型识别对于车辆目标及语义部件位置的依赖,并具有较高的识别准确率及通用性.
推荐文章
基于朴素贝叶斯的细粒度意见挖掘
语言特征
朴素贝叶斯
细粒度
意见挖掘
条件随机场
评价要素
基于语义信息跨层特征融合的细粒度鸟类识别
鸟类识别
细粒度识别
区域定位
特征提取
特征融合
细粒度并行计算编程模型研究
细粒度并行计算
图形处理器
图形处理器的通用计算
Cell
统一计算设备架构
基于用户的细粒度可控群体感知模型
CSCW
事件处理
授权
订阅
群体感知
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于语义DCNN特征融合的细粒度车型识别模型
来源期刊 计算机辅助设计与图形学学报 学科 工学
关键词 车型识别 细粒度车型识别 卷积神经网络 深度学习 细粒度分类 图像分类
年,卷(期) 2019,(1) 所属期刊栏目 图像与视觉
研究方向 页码范围 141-157
页数 17页 分类号 TP391.41
字数 13096字 语种 中文
DOI 10.3724/SP.J.1089.2019.17130
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 汪荣贵 合肥工业大学计算机与信息学院 104 1458 21.0 34.0
2 薛丽霞 合肥工业大学计算机与信息学院 27 72 5.0 7.0
3 杨娟 合肥工业大学计算机与信息学院 47 121 5.0 8.0
4 曹浩宇 合肥工业大学计算机与信息学院 2 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (9)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
车型识别
细粒度车型识别
卷积神经网络
深度学习
细粒度分类
图像分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机辅助设计与图形学学报
月刊
1003-9775
11-2925/TP
大16开
北京2704信箱
82-456
1989
chi
出版文献量(篇)
6095
总下载数(次)
15
总被引数(次)
94943
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导