科研之友
微信
新浪微博
Facebook
分享链接
摘要
车型识别(VTR)是现代智能交通中重要技术。现有的深度卷积网络已经取得了不错的效果,但在细粒度识别及准确率、训练时间方面仍需研究。本文对深度残差网络进行改进,对其第二个卷积块引入密集连接,加强网络中不同深度卷积层的特征流动,以提升网络的特征表达能力。同时,把随机权重平均、标签平滑引入残差网络中,一方面使得网络收敛平稳且震荡幅度更小,解决权重震荡问题,另一方面加强模型的泛化能力,确保细粒度分类准确率。本文方法在斯坦福cars-196数据集上进行测试,结果表明,本文提出的网络模型改进效果明显,在准确率上优于传统残差网络及几种现有深度学习方法。
- 单位
