车辆属性识别及跨场景标注方案.pdfVIP

ZTETECHNOLOGYJOURNAL 专题 董振江等 车辆属性识别及跨场景标注方案 DOI:10.3969/j.issn.1009-6868.2017.04.004 网络出版地址:/kcms/detail/34.1228.TN0846.002.html 车辆属性识别及跨场景标注方案车辆属性识别及跨场景标注方案 ASolutionforVehicleAttributesRecognitionandCross-SceneAnnotationASolutionforVehicleAttributesRecognitionandCross-SceneAnnotation 中图分类号：TN929.5 文献标志码：A 文章编号：1009-6868(2017)04-0020-005 董振江/DONGZhenjiang1 高燕/GAOYan1 摘要：提出采用一种基于深度学习的识别方法,来辅助获取训练模型中所需要的 吴文熙/WUWenxi2 车辆属性标签。该方法首先利用海报图像构建大规模车辆属性数据集（SYSU- ZTE-CARS）,训练基于卷积神经网络（CNN）的识别模型，再将模型迁移到监测控制 (1. 中兴通讯股份有限公司，广东 深圳 518057) 场景中进行标注测试，间接获取属性标签。采用CNN+softmax分类器的结构作为 (2. 中山大学，广东 广州 510006) 基本框架,引入细粒度识别技术以进一步优化识别性能。利用5种常用车辆属性进 (1.ZTECorporation,Shenzhen518057, China) 行测试,实验结果表明：所提出的方案不仅在SYSU-ZTE-CARS数据集上的识别精 (2.SunYat-SenUniversity,Guangzhou 度高,而且在监测控制场景下的标注结果也很可靠。 510006,China) 关键词：精细化属性识别；CNN；深度学习；计算机视觉 Abstract: Thedeeplearning-basedsolutionisproposedtoobtainthevehicle attributesdatainrecognizertraining.Firstly,withposterimagescollected,alarge scalevehicleattributesdataset—SYSU-ZTE-CARS,isbuilttotraintheconvolutional neuralnetwork(CNN)-basedrecognitionmodel.Thenthemodelismovedtothe monitorandcontrolscenetomarktest,andaccessattributeindirectly.CNN+ [1-2] 能交通 领域中牵涉到很多计 智算机视觉的任务，需要对海量 softmaxclassifierisusedasthebasicframework,andthefine-grainedidentification isalsousedtofurtheroptimizetherecognitionperformance.Theexperimental 的视频、图像数据进行处理、分析。 resultsonrecognitionoffivedifferentattributes