改进的多标签深度学习车辆属性识别研究

摘要：

为了打击假牌、套牌车及以汽车为作案工具的犯罪,且由于传统单一的车型或颜色识别已显得力不从心,因此,提出了改进的多标签深度学习车型与颜色识别模型.该模型利用卷积神经网络自主学习有用特征,利用小卷积核构建深层网络提升模型对复杂函数的表达能力,以全局平均池化取代部分全连接层,减少参数与模型所占空间内存;并利用“单模型多标签”特性将车型与颜色信息融合,使提取到的特征表现力更强.在自建数据集下的实验结果表明,该模型能获得较好的识别结果和较高的准确率,特别是对相同子品牌的不同年款的大规模车型和颜色识别效果更佳,在刑侦稽查时能有效缩小搜索范围并迅速锁定类似目标车辆信息.

关键词：车型识别、颜色识别、多标签深度学习、卷积神经网络、智能交通系统

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：河南省基础与前沿技术研究资助项目132300410462

在线出版日期：2018-03-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3-6,10