Affiliation of Author(s):能源与动力学院

Journal:计算机技术与发展

Key Words:车型识别;深度残差网络;恒等映射;类别中心正则化;

Abstract:针对传统的车型识别方法提取的特征的可分性较差、鲁棒性不足等问题,提出一种基于深度残差网络的车型识别方法。相比于传统的特征提取方法,深层网络模型具有模型参数更为充分完善的优势,同时也更加适合于处理大规模的数据集,其提取的特征具有天然的层次结构,类型也更加丰富。深度残差网络使用的残差单元可以改善深层网络模型寻优的过程,减少模型收敛的时间开销。在深度残差网络的基础上添加类别中心正则化的约束可以改善特征的分布空间,强化同一类别内的特征的相似性及不同类别的特征的可区分性,进一步提高模型的分类性能。训练时,将训练过程分为两个步骤,分别使用不同的数据集进行训练可以提高训练的效率,充分利用预训练模型的优势。实验结果表明,该算法在识别精度上优于传统的车型识别方法。

Translation or Not:no

Date of Publication:2018-02-07

Co-author:刘敦强,夏瀚笙,wangying,贾燕晨

Correspondence Author:s