如需要完整文档点击下方 "点击下载文档" 按钮
基于 Faster R-CNN 提出一种车辆的多属性识别模型。 首先利用 Faster R-CNN 对车辆数据库进行训练,得到车辆检测网络,对图像中多个车辆目标进行检测。 将检测结果输入改进的车辆属性识别网络中,对检测得到的车辆进行属性推断,包括车辆颜色、品牌和姿态。 为评估车辆检测精度和车辆多属性识别的准确率,采集了 8 000 张真实场景下的图片作为测试集进行测试。 对于车辆检测网络,对比了 R-CNN、Fast R-CNN 等方法的检测精度;对于车辆属性识别,对比了不同网络结构、不同图片分辨率和单属性和多属性等对于识别准确率的影响。 实验结果表明,基于 Faster R-CNN 的车辆多属性识别方法充分学习了不同属性间的特征,具有较高的准确率和检测精度,以及良好的通用性和鲁棒性,适用于车辆多属性分类。
如需要完整文档点击下方 "点击下载文档" 按钮
《基于 Faster R-CNN 的车辆多属性识别》
将 完整文档 下载到本地,方便收藏和查阅
文件号:062789
点击下载文档