基于卷積神經(jīng)網(wǎng)絡(luò)的細(xì)粒度車(chē)型識(shí)別.pdf

1、車(chē)型識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)，在交通安全、卡口管理、車(chē)流統(tǒng)計(jì)等方面有著廣泛應(yīng)用。作為細(xì)粒度圖像分類(lèi)問(wèn)題的子問(wèn)題，不同類(lèi)別的車(chē)輛在形態(tài)、結(jié)構(gòu)上具有一致性；同時(shí)，還存在不同條件下拍攝的車(chē)輛圖像姿態(tài)多變、外觀各異等特性。針對(duì)傳統(tǒng)車(chē)型識(shí)別算法嚴(yán)重依賴于固定的背景和拍攝角度等問(wèn)題，本文采用基于卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)的模型實(shí)現(xiàn)了對(duì)任意角度和背景的車(chē)輛圖像進(jìn)行細(xì)粒度分類(lèi)的算法。
　　本文首先采用視覺(jué)詞袋模型作為細(xì)粒度車(chē)型分類(lèi)的比較基準(zhǔn)，視覺(jué)

2、詞袋模型通過(guò)提取所有樣本圖像的SIFT特征進(jìn)行聚類(lèi)來(lái)構(gòu)造視覺(jué)特征字典，然后將訓(xùn)練集中的圖像樣本的SIFT特征向量根據(jù)視覺(jué)特征字典映射成圖像特征向量，利用圖像特征向量來(lái)訓(xùn)練分類(lèi)器并對(duì)測(cè)試集圖像進(jìn)行測(cè)試。在此基準(zhǔn)算法的基礎(chǔ)上，本文根據(jù)車(chē)型識(shí)別的特點(diǎn)，給出了三種不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)。首先對(duì)專(zhuān)門(mén)應(yīng)用于手寫(xiě)數(shù)字識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5進(jìn)行了改進(jìn)，通過(guò)修改卷積核的尺寸和數(shù)量以及隱層的結(jié)構(gòu)，使其能應(yīng)用于較大的車(chē)輛圖像并且適應(yīng)于較小的數(shù)據(jù)集；

3、然后加入Convnet-5中所采用的Dropout和有重疊的池化兩種改進(jìn)方法，提高網(wǎng)絡(luò)的泛化能力，得到第二種卷積神經(jīng)網(wǎng)絡(luò)模型；最后將空間金字塔池化結(jié)構(gòu)添加到全連接層之前，使得不同尺寸的輸入圖像在經(jīng)過(guò)數(shù)個(gè)卷積層之后，能通過(guò)空間金字塔池化的方式得到統(tǒng)一尺寸的輸出，這樣的方法避免了對(duì)輸入圖像進(jìn)行裁剪和縮放的操作，減少了圖像形變給細(xì)粒度車(chē)型識(shí)別帶來(lái)的巨大影響。
　　實(shí)驗(yàn)采用Theano庫(kù)實(shí)現(xiàn)相應(yīng)的模型，并且分別對(duì)ImageNet數(shù)據(jù)集下的