基于多任务卷积神经网络的车辆多属性识别

来源：计算机工程与应用杂志2018年第8期北京时间：

作者：王耀玮，唐 伦，刘云龙，陈前斌

单位：重庆邮电大学 通信与信息工程学院，重庆 400065

摘要：细粒度车辆识别极具挑战性，尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果，但一般的神经网络模型忽略了附加属性间的联系，提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络，用于实现细粒度车辆多属性识别。具体而言，通过对传统神经网络结构的改变，将车辆识别问题转化为多属性学习问题。对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别。同时，创建了一个车辆多属性数据集并完成训练工作，结果显示了该方法的潜力。

关键词：细粒度车辆识别,车辆多属性,多任务学习,卷积神经网络,度量学习,车辆多属性数据集