基于多尺度跃层卷积神经网络的精细车型识别

摘要：

为解决精细车型识别中特征不具有代表性,且识别准确率低的问题,提出了基于多尺度跃层卷积神经网络(CNN)的车型识别方法.通过多个不同尺度的跃层卷积神经网络,提取适用于精细车型识别的低层局部特征和高层全局特征,并分别训练Softmax分类器.利用自适应方式融合方法,将多个单一尺度跃层卷积神经网络的识别结果进行融合,调整不同网络对识别结果的贡献.实验中车型识别准确率达到97.59％.实验结果表明多尺度跃层卷积神经网络适用于精细的车型识别,并能提高识别的准确率.

关键词：精细车型识别、卷积神经网络(CNN)、深度学习

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：河北省教育厅指导性计划项目Z2012038

在线出版日期：2017-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：246-249