摘要
针对车型识别任务的特点,设计了一种基于深度哈希网络的车型识别方法,实现了在类间差异不明显、样本量较少的情况下进行车型检索和分类.对数据增广方法进行研究,针对车型数据集的特点,提出了适用于车型识别的数据增广方法,有效提升了小样本车型识别的准确率.深度哈希网络采用改进的HashNet网络来快速学习车辆的二值特征表达,针对深度哈希网络使用全连接层导致参数过多的问题,提出了HashNet-GAP网络,以全局平均池化层替换了HashNet中的部分全连接层.相对于HashNet网络,大幅度减少了参数数量,提升了前向计算速度和网络性能.实验结果表明,该车型识别方法能够对类间差距很小的不同车型进行有效识别,在小样本数据集上取得80.0％的Top1准确率,并且能够显著降低模型的存储消耗和内存消耗.
基金项目
中央高校基本科研业务费专项资金(NS2016091)
国家科技期刊平台
NSTL
维普
万方数据