采用视觉显著性和深度卷积网络的鲁棒视觉车辆识别算法
来源：江苏大学学报·自然科学版杂志2015年第3期北京时间：
作者：蔡英凤1,王海2,陈龙1,江浩斌2
单位：1.江苏大学 汽车工程研究院, 江苏 镇江 212013; 2.江苏大学 汽车与交通工程学院, 江苏 镇江 212013
摘要：针对传统采用人工特征的机器学习算法难以满足复杂交通场景下鲁棒车辆识别需求的问题,以视觉显著性理论为依据,提出一种利用显著图的车辆候选提取方法.在深度学习的知识框架下,提出了一种采用深度卷积网络(deep convolutional neural networks, DCNN)的鲁棒视觉车辆识别算法.该DCNN分类器采用卷积层和池层构建2组隐层,并直接以灰度图片像素作为输入,经由随机梯度下降算法进行训练,最后以全连接层输出车辆识别判断.选择KITTI标准库作为测试数据库进行了车辆识别试验.结果表明,所提出的车辆识别算法可实现98.13％的检测率和1.77％的误检率,总体性能优于已有算法.
关键词：车辆识别, 机器视觉, 视觉显著性, 深度卷积网络, 深度学习
基金资助：<p>国家自然科学基金资助项目(61403172, 51305167, 61203244)； 中国博士后科学基金资助项目(2014M561592); 交通运输部信息化项目(2013364836900)； 江苏省“六大人才”高峰项目（2014-DZXX-040）； 江苏省自然科学基金资助项目(BK20140555)； 江苏大学高级专业人才科研启动基金资助项目(12JDG010，14JDG028)</p>
