融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类

• 作者: 杨志钢 马俊杰
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 图像细粒度分类 SIFT算法 FisherVector算法 卷积神经网络 SVM分类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 自动化技术
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP391.4
• 字数: 5323字
• 语种: 中文
• DOI: 10.11991/yykj.201811014

摘要

针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题,提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法.首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征,然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征,最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类.实验结果表明,该方法的分类准确率达到82.3％,较FV-SIFT算法在分类准确率上提高了15.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨志钢	哈尔滨工程大学信息与通信工程学院	2	0	0.0	0.0
2	马俊杰	哈尔滨工程大学信息与通信工程学院	1	0	0.0	0.0