-
题名渐进式多粒度ResNet车型识别网络
被引量：4
- 1
-
-
作者
徐胜军
荆扬
李海涛
段中兴
刘福友
李明海
-
机构
西安建筑科技大学信息与控制工程学院
西安市建筑制造智能化技术重点实验室
江苏省交通工程建设局
中交隧道工程局有限公司
-
出处
《光电工程》
CAS
CSCD
北大核心
2023年第7期32-46,共15页
-
基金
国家自然科学基金资助项目(51678470,61803293)
陕西省教育厅专项科研项目资助(18JK0477,2017JM6106)
+2 种基金
陕西省自然科学基础研究计划资助项目(2020JM-472,2020JM-473,2019JQ-760)
西安建筑科技大学基础研究基础资助项目(JC1703,JC1706)
陕西省科技厅社发攻关项目(2021SF-429)。
-
文摘
针对车辆因姿态、视角等成像差异造成车型难以识别问题,提出一种基于渐进式多粒度ResNet车型识别网络。首先,以ResNet网络作为主干网络,提出渐进式多粒度局部卷积模块,对不同粒度级别的车辆图像进行局部卷积操作,使网络重构时能够关注到不同粒度级别的车辆局部特征;其次,对多粒度局部特征图利用随机通道丢弃模块进行随机通道丢弃,抑制网络对车辆显著性区域特征的注意力,提高非显著性特征的关注度;最后,提出一种渐进式多粒度训练模块,在每个训练步骤中增加分类损失,引导网络提取更具辨别力和多样性的车辆多尺度特征。实验结果表明,在Stanford cars数据集、Compcars网络数据集和真实场景下的车型数据集VMRURS上,所提网络的识别准确率分别达到了95.7%、98.8%和97.4%,和对比网络相比,所提网络不仅具有较高的识别准确率,而且具有更好的鲁棒性。
-
关键词
车型识别
ResNet网络
渐进式多粒度局部卷积
随机通道丢弃
渐进式多粒度训练
-
Keywords
vehicle model recognition
ResNet network
progressive multi-granularity local convolution block
random channel drop block
progressive multi-granularity training
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
