基于多尺度特征融合CNN模型的车辆精细型号识别

来源：计算机工程与应用杂志2018年第18期北京时间：

作者：刘廷建1，2，3，顾乃杰1，2，3，张孝慈1，2，3，林传文3

单位：1.中国科学技术大学 计算机科学与技术学院，合肥 230027 ；2.中国科学技术大学 安徽省计算与通信软件重点实验室，合肥 230027；3.中国科学技术大学 先进技术研究院，合肥 230027

摘要：车辆精细型号是车辆识别的主要线索之一，也是智能交通系统的重要组成部分。针对车辆精细型号种类繁多、车辆所处环境复杂多变等因素，提出一种基于多尺度特征融合的车辆精细型号识别方法。该方法基于传统的卷积神经网络，通过提取并融合来自网络底层和高层的车辆特征，完成对车辆精细型号的识别。与其他基于卷积神经网络的车辆精细型号识别方法相比，该方法在提高分类准确率的同时还大幅度降低了整体网络的参数规模。实验结果表明，在公开数据集CompCars的监控场景下其识别精度达到了98.43%，且模型参数大小仅为3.93 MB，平均每张图片只需0.83 ms的分类时间。

关键词：车辆精细型号识别,卷积神经网络,多尺度特征融合,深度学习