作者：刘廷建; 顾乃杰; 张孝慈; 林传文车辆精细型号识别卷积神经网络多尺度特征融合深度学习
摘要：车辆精细型号是车辆识别的主要线索之一,也是智能交通系统的重要组成部分。针对车辆精细型号种类繁多、车辆所处环境复杂多变等因素,提出一种基于多尺度特征融合的车辆精细型号识别方法。该方法基于传统的卷积神经网络,通过提取并融合来自网络底层和高层的车辆特征,完成对车辆精细型号的识别。与其他基于卷积神经网络的车辆精细型号识别方法相比,该方法在提高分类准确率的同时还大幅度降低了整体网络的参数规模。实验结果表明,在公开数据集CompCars的监控场景下其识别精度达到了98.43%,且模型参数大小仅为3.93MB,平均每张图片只需0.83ms的分类时间。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
