基于组合模型的车模识别算法研究

作者：张一博; 茹禹然; 赵文吕; 王冬琦^*

来源：电脑知识与技术, 2021, 17(28): 15-19.

DOI：10.14004/j.cnki.ckt.2021.2974

• 深度学习
• 小比例车模
• 卷积神经网络
• 细粒度识别
• 不平衡数据集

针对小比例车模识别中图像种类繁多、部分类间相似度较高、网络数据类别不均衡以及质量参差不一的问题,文章提出了一种组合模型。首先对网络采集的图像数据设计了一种基于深度学习的方法进行清洗,然后以破坏-重建学习(Destruction and Construction Learning)方法为基础结合文章提出改进的Class-Balanced Focal Loss权重调节方法构建细粒度识别模型,最后文章选取了3种评价指标对模型效果进行评价。实验结果表明,该组合模型相较于原方法能更加准确地对小比例车模进行识别,对于少数类具备更强的泛化能力。

• 单位
  东北大学