Faster-RCNN的车型识别分析

被引：50

作者：

桑军 ^{[1
,2
]}

郭沛 ^{[2
]}

项志立 ^{[2
]}

罗红玲 ^{[2
]}

陈欣 ^{[1
,2
]}

机构：

[1] 重庆大学信息物理社会可信服务计算教育部重点实验室

[2] 重庆大学软件学院

来源：

重庆大学学报 | 2017年 / 40卷 / 07期

基金：

高等学校博士学科点专项科研基金;

关键词：

车型识别; 目标检测; Faster-RCNN; 卷积神经网络;

D O I：

暂无

中图分类号：

TP391.41 []; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

080203 ; 0838 ;

摘要：

车型识别是目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点之一。针对已有车辆检测方法缺乏识别车型能力的问题,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-101 3种卷积神经网络分别结合的策略,实验对比了该策略中的3种结合模型方案在BIT-Vehicle和CompCars2种大型车型数据库的车型识别能力。在BIT-Vehicle数据集上,基于Faster-RCNN与ResNet-101结合模型方案的车型识别率高与其余2种结合模型方案,其车型识别率高达91.3%;在迁移测试CompCars数据集上,3种结合模型方案均展现了很好的泛化能力。

引用

页码：32 / 36

页数：5