基于特征融合卷积神经网络的车型精细识别

• 作者: 丁春健 张亮 李致金 武鹏
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 卷积神经网络 车型精细识别 特征融合 独立网络 融合网络 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能技术
• 页码范围: 226-230
• 页数: 5页
• 分类号: TP183
• 字数: 3393字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2020.01.037

摘要

为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法.设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进行特征融合,实现车型的精细识别.相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩了模型参数规模.在基准数据集CompCars下进行大量实验的结果表明,该方法的识别精度可达98.94％,模型参数大小仅为4.9MB.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李致金	南京信息工程大学电子与信息工程学院	30	74	5.0	7.0
2	张亮	南京信息工程大学电子与信息工程学院	4	4	1.0	2.0
3	武鹏	南京信息工程大学电子与信息工程学院	2	2	1.0	1.0
4	丁春健	南京信息工程大学电子与信息工程学院	2	0	0.0	0.0