改进的多标签深度学习车辆属性识别研究.pdfVIP

改进的多标签深度学习车辆属性识别研究

改进的多标签深度学习车辆属性识别研究

赵珊\黄强强曲宏山2,刘相利M

(1.河南理工大学计算机科学与技术学院，河南焦作454000;2.河南工程学院计算机学院，河南郑州451191)

摘要：为了打击假牌、套牌车及以汽车为作案工具的犯罪，且由于传统单一的车型或颜色识别已显得力

不从心，因此，提出了改进的多标签深度学习车型与颜色识别模型。该模型利用卷积神经网络自主学习

有用特征，利用小卷积核构建深层网络提升模型对复杂函数的表达能力，以全局平均池化取代部分全连

接层，减少参数与模型所占空间内存;并利用“单模型多标签”特性将车型与颜色信息融合，使提取到的

特征表现力更强。在自建数据集下的实验结果表明，该模型能获得较好的识别结果和较高的准确率，特

别是对相同子品牌的不同年款的大规模车型和颜色识别效果更佳，在刑侦稽查时能有效缩小搜索范围

并迅速锁定类似目标车辆信息。

关键词：车型识别；颜色识别；多标签深度学习；卷积神经网络；智能交通系统

中图分类号:TP391文献标识码：A文章编号：1000-8829(2018)02-0003-04

ResearchonVehicleAttributeRecognitionBasedonImprovedMulti-Label

DepthLearning

ZHAOShan1,HUANGQiang-qiang1,QUHong-shan2,LIUXiang-li1

(1.SchoolofComputerScienceandTechnology,HenanPolytechnicUniversity,Jiaozuo454000,China;

2.SchoolofComputerScience,HenanUniversityofEngineering,Zhengzhou451191,China)

Abstract：Inordertocombatfalselicenseplatevehicleandfakelicenseplatevehicleandcrimesoftakinga

vehicleasatool,andbecausethetraditionalrecognitionmodelwithsinglevehicletypeorcolorispowerless,so

thevehicletypeandcolorrecognitionbasedonimproveddepthlearningwithmulti-labelisproposed.Themod­

elusesconvolutionalneuralnetworktolearntheusefulfeaturesautonomously,andusesthesmallconvolution

ker