利用深度学习对城市中的物流车辆进行分类
计算机视觉与模式识别
2019-07-01 v1 计算机与社会
机器学习
机器学习
摘要
城市地区配送与货运交通的快速增长正在加剧；结果，配送卡车和轻型商用车辆的使用不断演变。主要城市可将交通计数作为监测配送车辆存在的工具，以实施智能城市规划措施。经典的车辆计数方法使用机械、电磁或气动传感器，但这些设备成本高、难以部署，且仅检测车辆存在而不提供关于其类别、型号或轨迹的信息。本文提出一种深度学习工具，用于在给定图像中分类车辆，同时考虑不同类别的物流车辆，即：轻型、中型和重型车辆。所提方法产生两个主要贡献：首先我们开发了一种架构以创建标注均衡的物流车辆数据库，减少手动标注工作。其次，我们构建了一个分类器，可准确分类通过给定道路的物流车辆。本工作的成果为：首先，一个包含 4 类车辆共 72 000 张图像的数据库；其次两个重新训练的卷积神经网络（InceptionV3 和 MobileNetV2），能够以超过 90% 的准确率分类车辆。
引用
@article{arxiv.1906.11895,
title = {Classifying logistic vehicles in cities using Deep learning},
author = {Salma Benslimane and Simon Tamayo and Arnaud de La Fortelle},
journal= {arXiv preprint arXiv:1906.11895},
year = {2019}
}