針對(duì)傳統(tǒng)人工設(shè)計(jì)特征描述不充分及單分類器泛化能力弱等問(wèn)題,提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）特征與集成學(xué)習(xí)相結(jié)合的車型分類算法。微調(diào)VGG16深度卷積神經(jīng)網(wǎng)絡(luò)模型,將全連接層Fc7輸出的4096維矢量采用PCA方法降至100維,作為圖像的特征表示;采用拉格朗日支持向量機(jī)（LSVM）作為基分類器,以Adaboost方法自動(dòng)學(xué)習(xí)各樣本及基分類器的權(quán)重實(shí)現(xiàn)分類器集成。基于BIT和MIO-TCD數(shù)據(jù)集的對(duì)比實(shí)驗(yàn)結(jié)果表明,平均分類精度分別達(dá)到84.5%與83%,優(yōu)于其它傳統(tǒng)特征與單分類器方法。 

【文章來(lái)源】：計(jì)算機(jī)工程與設(shè)計(jì). 2020,41(06)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

MIO-TCD數(shù)據(jù)集上不同分類算法對(duì)比

總體框架

Adaboost-LSVM算法框架

【參考文獻(xiàn)】：
碩士論文
[1]結(jié)合小波變換和互信息的車輛識(shí)別方法[D]. 范佳亮.清華大學(xué) 2016
[2]基于Gabor特征的稀疏表示車型識(shí)別研究[D]. 劉廣威.西安電子科技大學(xué) 2015



本文編號(hào)：3221863