奇异值分解与中心度量的细粒度车型识别算法

• 作者: 万今朝 曹艺 李海鸥 蒋行国 蔡晓东
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 细粒度车型识别 冗余特征 奇异值分解卷积神经网络 融合损失
• 年，卷（期）: 2019,（3）
• 页码范围: 82-88
• 页数: 7页
• 分类号: TP183
• 字数: 5324字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.03.013

摘要

针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法.首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具有相关性的冗余特征,学习到细粒度级别的区分性特征;其次,提出一种学习不同特征的融合损失方法,将中心距离损失和分类损失进行加权融合,使得学习的特征类内之间的距离更小.实验表明,该方法使用Residual Network(ResNet)框架在Cars-196细粒度车型数据集上测试,准确率能够达到93.02％,优于目前表现较好的双线性和注意力模型.扩展实验证明该方法同样适用于其他网络框架.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海鸥	桂林电子科技大学信息与通信学院	28	36	2.0	5.0
2	蒋行国	桂林电子科技大学信息与通信学院	26	46	4.0	5.0
3	蔡晓东	桂林电子科技大学信息与通信学院	64	228	9.0	12.0
4	万今朝	桂林电子科技大学信息与通信学院	2	1	1.0	1.0
5	曹艺	桂林电子科技大学信息与通信学院	2	0	0.0	0.0