基于DCNN特征与集成学习的车型分类算法

作者：李大湘; 王小雨^*

来源：计算机工程与设计, 2020, 41(06): 1624-1628.

DOI：10.16208/j.issn1000-7024.2020.06.020

• 深度卷积神经网络
• 集成学习
• 车型分类
• 拉格朗日支持向量机
• 提升算法

针对传统人工设计特征描述不充分及单分类器泛化能力弱等问题,提出一种基于深度卷积神经网络(DCNN)特征与集成学习相结合的车型分类算法。微调VGG16深度卷积神经网络模型,将全连接层Fc7输出的4096维矢量采用PCA方法降至100维,作为图像的特征表示;采用拉格朗日支持向量机(LSVM)作为基分类器,以Adaboost方法自动学习各样本及基分类器的权重实现分类器集成。基于BIT和MIO-TCD数据集的对比实验结果表明,平均分类精度分别达到84.5%与83%,优于其它传统特征与单分类器方法。

• 单位
  西安邮电大学; 通信与信息工程学院