科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对车辆因姿态、视角等成像差异造成车型难以识别问题，提出一种基于渐进式多粒度ResNet车型识别网络。首先，以ResNet网络作为主干网络，提出渐进式多粒度局部卷积模块，对不同粒度级别的车辆图像进行局部卷积操作，使网络重构时能够关注到不同粒度级别的车辆局部特征；其次，对多粒度局部特征图利用随机通道丢弃模块进行随机通道丢弃，抑制网络对车辆显著性区域特征的注意力，提高非显著性特征的关注度；最后，提出一种渐进式多粒度训练模块，在每个训练步骤中增加分类损失，引导网络提取更具辨别力和多样性的车辆多尺度特征。实验结果表明，在Stanford cars数据集、Compcars网络数据集和真实场景下的车型数据集VMRURS上，所提网络的识别准确率分别达到了95.7%、98.8%和97.4%，和对比网络相比，所提网络不仅具有较高的识别准确率，而且具有更好的鲁棒性。
- 单位
