基于深度哈希网络的车型识别方法

• 作者: 孙涵 费东炜
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 车型识别 卷积神经网络 数据增广 全局平均池化 深度哈希网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP39
• 字数: 5554字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.01.002

摘要

针对车型识别任务的特点,设计了一种基于深度哈希网络的车型识别方法,实现了在类间差异不明显、样本量较少的情况下进行车型检索和分类.对数据增广方法进行研究,针对车型数据集的特点,提出了适用于车型识别的数据增广方法,有效提升了小样本车型识别的准确率.深度哈希网络采用改进的HashNet网络来快速学习车辆的二值特征表达,针对深度哈希网络使用全连接层导致参数过多的问题,提出了HashNet-GAP网络,以全局平均池化层替换了HashNet中的部分全连接层.相对于HashNet网络,大幅度减少了参数数量,提升了前向计算速度和网络性能.实验结果表明,该车型识别方法能够对类间差距很小的不同车型进行有效识别,在小样本数据集上取得80.0％的Top1准确率,并且能够显著降低模型的存储消耗和内存消耗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙涵	南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室	36	283	10.0	16.0
2	费东炜	南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室	2	1	1.0	1.0