車輛特征學(xué)習(xí)與車型識別.pdf

1、汽車業(yè)的快速發(fā)展給我們的生活帶來了巨大的便利，同時也帶來了很多問題，如交通堵塞、盜搶機動車輛、利用機動車輛犯罪等等。通過現(xiàn)有技術(shù)自動識別車輛車型可以對該類問題快速反應(yīng)，加快解決效率。車輛特征學(xué)習(xí)是車型識別的重要環(huán)節(jié)，而有效地提取和描述車輛圖像的特征信息、建立有效的車型識別模型和理論框架以及高效地應(yīng)對大規(guī)模車輛圖像的實時識別處理，是車輛特征學(xué)習(xí)與車型識別研究的關(guān)鍵。
　　本文對車輛圖像的本質(zhì)特征進行了深入學(xué)習(xí)研究，構(gòu)建了相應(yīng)的車型識

2、別框架，主要研究內(nèi)容如下：
　　1、研究分析了車輛圖像的傳統(tǒng)特征性能，構(gòu)建了基于傳統(tǒng)特征的車型識別框架。對目前廣泛使用的底層特征算子SIFT、HOG、LBP進行了研究學(xué)習(xí)，并在其基礎(chǔ)上提取了車輛圖像的中層特征BOF、FV、VLAD。通過車型識別實驗表明，傳統(tǒng)特征算子的表現(xiàn)力并不理想。
　　2、研究分析了車輛圖像的深度融合特征，構(gòu)建了基于深度融合特征的車型識別框架。對近幾年最為經(jīng)典的深度網(wǎng)絡(luò)框架的構(gòu)成原理和設(shè)計思路進行了深入分

3、析和研究，針對現(xiàn)有深層網(wǎng)絡(luò)的不足，對GoogLeNet的Inception模塊進行了進一步分解，并嘗試將Inception模塊和ResNet進行融合，構(gòu)建了基于深度融合特征的車型識別框架。通過車型識別實驗表明，深度融合特征是有效的，提升了車型識別的識別率。
　　3、研究分析了車輛圖像的深度稠密特征，探索車輛圖像更為本質(zhì)的特征表達。針對現(xiàn)有深層次網(wǎng)絡(luò)難以訓(xùn)練的問題，基于ResNet的殘差連接思路進行了深度稠密特征學(xué)習(xí)，同時將中心損失