原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
总第425期计算机与数字工程Vol.53No.3
ComputerDigitalEngineering
2025年第3期计算机与数字工程803
2025年第3期
一种基于LatentSVM的车辆图像分类方法∗
杜小龙黄树成
（江苏科技大学计算机学院镇江212003）
摘要针对城市中大量重型车辆造成交通拥堵以及传统图像分类在特征提取过程中出现的信息丢失，导致分类精度
下降的问题，论文提出了一种基于LatentSVM的车辆图像分类方法。通过更细致的车辆图像分类，可以使交通管控者快速
定位到重型车辆，使其驶离城市中心，从而让交通得到极大缓解。该方法通过采用一种新的零件定位算法，自动在每类车辆
中找到一组有区别的零件，使用这些零件的特征和它们之间的空间关系来训练每类的模型。此外使用多类数据挖掘方法，
在训练过程中过滤困难负样本。最后，将这些经过训练的单个模型结合在一起，可以高精度地对车辆品牌和车型进行分
类。在CompCars数据集上的实验结果表明，该方法具有令人满意的特征提取能力和更精确的分类能力。
关键词图像分类；零件定位；LatentSVM；特征提取
中图分类号TP393.08DOI：10.3969/j.issn.1672-9722.2025.03.032
AVehicleImageClassificationMethodBasedonLatentSVM
DUXiaolongHUANGShucheng
（SchoolofComputer，JiangsuUniversityofScienceandTechnology，Zhenjiang212003）
AbstractInordertosolvetheproblemoftrafficcongestioncausedbyalargenumberofheavyvehiclesinthecityandthe
lossofinformationintheprocessoffeatureextractionoftraditionalimageclassification，whichleadstothedecreaseofclassification
accuracy，thispaperproposesavehicleimageclassificationmethodbasedonLatentSVM.Withmoredetailedvehicleimageclassi⁃
fication，trafficcontrollerscanquicklylocateheavyvehiclesanddrivethemawayfromthecitycenter，therebygreatlyeasingtraf⁃
fic.Byadoptinganewpartlocalizationalgorithm，themethodautomaticallyfindsasetofdistinctpartsineachclassofvehicle，and
usesthefeaturesofthesepartsandthespatialrelationshipbetweenthemtotrainthemodelofeachclass.Inaddition，amulti-class
dataminingmethodisusedtofilterdifficultnegativesamplesinthetrainingprocess.Finally，thesetrainedindividualmodelsare
combinedtoclassifyvehiclebrandsandmodelswithhighaccuracy.ExperimentalresultsonCompCarsdatasetsshowthatthepro⁃
posedmethodhassatisfactoryfeatureextractionabilityandmoreaccuratecl
文档评论（0）