基于darknet框架高空视角下车辆的细分类

摘要：

相比传统基于交通路口斜视角度视角的局限性,高空视角下的车辆类型识别与分类在实际应用中有明显的优势.通过无人机在高空视角下拍摄数据图片视频,并利用摄像机在平视角度拍摄同一场景下的目标车辆以判断目标车辆的类型.通过旋转、明暗度变化以及增加噪声的数据预处理方法对这些数据进行扩充,得到包括23个车辆类型、2万多张图片的数据集.在基于深度学习的darknet框架下,采用darknet53、ResNet101以及DenseNet201等分类网络对整理的数据进行训练和测试.实验结果表明,大部分车辆类型分类精度达到了90％以上.为车辆重识别技术的进一步研究和发展提供了支撑.

关键词：车辆分类、车辆识别、高空视角、darknet框架、数据扩充、深度学习

所属期刊栏目：44

分类号：TN911.73-34

资助基金：国家自然科学基金项目;水电工程智能视觉监测湖北省重点实验室建设;2018年度水电工程视觉监测湖北省重点三峡大学实验室开放基金

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：124-129