基于深度学习的车辆品牌与型号分类
计算机视觉与模式识别
2019-02-12 v2 人工智能
机器学习
机器学习
摘要
本文研究了车辆品牌与型号分类问题。一些主要挑战在于达到高分类准确率并减少图像的标注时间。为解决这些问题，我们利用土耳其的在线车辆市场创建了一个细粒度数据库。提出了一种将SSD（Single Shot Multibox Detector）模型与CNN（Convolutional Neural Network）模型相结合的流水线，以在该数据库上训练。在该流水线中，我们首先通过一种减少标注时间的算法检测车辆，然后将它们送入CNN模型。与使用的常规CNN模型相比，分类准确率提高了约4%。接下来，我们提议将检测到的车辆作为图像的地面真值边界框（GTBB）并送入另一流水线中的SSD模型。在此阶段，在未使用完美形状GTBB的情况下达到了合理的分类准确率。最后，通过使用我们提出的流水线在一个用例中实现了应用。它通过比较车牌号和品牌与型号来检测未经授权的车辆。假设车牌可读。
引用
@article{arxiv.1809.00953,
title = {Deep Learning Based Vehicle Make-Model Classification},
author = {Burak Satar and Ahmet Emir Dirik},
journal= {arXiv preprint arXiv:1809.00953},
year = {2019}
}
备注
10 pages, ICANN 2018: Artificial Neural Networks and Machine Learning