基于卷積神經(jīng)網(wǎng)絡(luò)的細粒度車型識別.pdf

1、車型識別是計算機視覺領(lǐng)域的一個研究熱點，在交通安全、卡口管理、車流統(tǒng)計等方面有著廣泛應(yīng)用。作為細粒度圖像分類問題的子問題，不同類別的車輛在形態(tài)、結(jié)構(gòu)上具有一致性；同時，還存在不同條件下拍攝的車輛圖像姿態(tài)多變、外觀各異等特性。針對傳統(tǒng)車型識別算法嚴重依賴于固定的背景和拍攝角度等問題，本文采用基于卷積神經(jīng)網(wǎng)絡(luò)改進的模型實現(xiàn)了對任意角度和背景的車輛圖像進行細粒度分類的算法。
　　本文首先采用視覺詞袋模型作為細粒度車型分類的比較基準，視覺

2、詞袋模型通過提取所有樣本圖像的SIFT特征進行聚類來構(gòu)造視覺特征字典，然后將訓練集中的圖像樣本的SIFT特征向量根據(jù)視覺特征字典映射成圖像特征向量，利用圖像特征向量來訓練分類器并對測試集圖像進行測試。在此基準算法的基礎(chǔ)上，本文根據(jù)車型識別的特點，給出了三種不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)。首先對專門應(yīng)用于手寫數(shù)字識別的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5進行了改進，通過修改卷積核的尺寸和數(shù)量以及隱層的結(jié)構(gòu)，使其能應(yīng)用于較大的車輛圖像并且適應(yīng)于較小的數(shù)據(jù)集；

3、然后加入Convnet-5中所采用的Dropout和有重疊的池化兩種改進方法，提高網(wǎng)絡(luò)的泛化能力，得到第二種卷積神經(jīng)網(wǎng)絡(luò)模型；最后將空間金字塔池化結(jié)構(gòu)添加到全連接層之前，使得不同尺寸的輸入圖像在經(jīng)過數(shù)個卷積層之后，能通過空間金字塔池化的方式得到統(tǒng)一尺寸的輸出，這樣的方法避免了對輸入圖像進行裁剪和縮放的操作，減少了圖像形變給細粒度車型識別帶來的巨大影響。
　　實驗采用Theano庫實現(xiàn)相應(yīng)的模型，并且分別對ImageNet數(shù)據(jù)集下的