基于胶囊神经网络的车型精细识别研究

来源：计算机技术与发展杂志2021年第03期北京时间：

作者：程换新;郭占广;程力;刘文翰;张志浩

单位：1. 青岛科技大学 自动化与电子工程学院,山东 青岛 266061;2. 中国科学院新疆理化技术研究所,新疆 乌鲁木齐 830001

摘要：车辆型号精细识别在智能交通系统、涉车刑侦案件侦破等方面具有十分重要的应用前景。针对车辆型号种类繁多、部分型号区分度小等带来的车辆型号精细分类困难的问题,提出一种基于胶囊神经网络(capsule network, CapsNet)的车型图像识别模型 CapCar。 以 CompCars 数据集作为样本,首先通过加权平均值法进行图像的灰度化处理,减少数据集训练计算量,提高模型的训练速度。 然后通过胶囊神经网络提取车型图像的全部特征和局部特征,实现车型分类识别。相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩模型参数规模。在基准数据集 CompCars 下进行大量实验结果表明, CapCar 模型进行车辆精细识别精度可达 98. 89%,其识别率高于一些其他经典的网络模型。CapCar 模型参数大小仅为 6. 3 MB。 该算法具有一定的先进性。

关键词：人工智能;胶囊神经网络;车型精细识别;智能交通;深度学习;CapCar 模型