基于特征融合卷积神经网络的车型精细识别

作者：李致金; 张亮^*; 武鹏; 丁春健

来源：计算机工程与设计, 2020, 41(01): 226-230.

DOI：10.16208/j.issn1000-7024.2020.01.037

• 卷积神经网络
• 车型精细识别
• 特征融合
• 独立网络
• 融合网络
• 深度学习

为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法。设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进行特征融合,实现车型的精细识别。相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩了模型参数规模。在基准数据集CompCars下进行大量实验的结果表明,该方法的识别精度可达98.94%,模型参数大小仅为4.9MB。

• 单位
  南京信息工程大学