用于车型分类的数据增强与聚类方法
计算机视觉与模式识别
2020-09-16 v1
摘要
车辆形状信息在智能交通系统（ITS）中非常重要。在本文中，我们提出了一种利用在不同年份发布且从不同视角捕获的车辆训练数据集的方法。同时展示了聚类在提升品牌/车型分类方面的有效性。这两个步骤带来了改进的分类结果和更强的鲁棒性。基于 ResNet 架构设计了更深的卷积神经网络用于车型分类的训练。训练数据的不均衡类别分布产生了先验概率。通过在分类层中去除偏置并对质心进行硬归一化来消除该先验概率，从而改善了分类结果。开发了一个应用程序，基于品牌/车型和颜色分类在视频数据上手动测试车辆重识别。本工作部分由资助基金支持。
引用
@article{arxiv.2009.06679,
title = {Data Augmentation and Clustering for Vehicle Make/Model Classification},
author = {Mohamed Nafzi and Michael Brauckmann and Tobias Glasmachers},
journal= {arXiv preprint arXiv:2009.06679},
year = {2020}
}
备注
Proceedings of the 2020 Computing Conference, Volume 1-3, SAI 16-17 July 2020 London