基于多层特征表示平滑调制神经网络的车辆 24 色长尾识别
图像与视频处理
2021-07-22 v1
摘要
车辆颜色识别在智能交通管理与刑侦辅助中起着重要作用。然而，当前车辆颜色识别研究至多涉及 13 种颜色且识别精度低，难以满足实际应用。为此，本文构建了一个基准数据集（Vehicle Color-24），包含 24 种车辆颜色，含从 100 小时城市道路监控视频中拍摄的 10091 张车辆图片。此外，为解决 Vehicle Color-24 数据集中的长尾分布问题及现有方法识别率低的问题，本文提出一种具有多层特征表示的平滑调制神经网络（SMNN-MFR）用于 24 种车辆颜色识别。SMNN-MFR 包括四部分：特征提取、多尺度特征融合、建议框生成与平滑调制。模型在 Vehicle Color-24 基准数据集上训练与验证。综合实验表明，该算法在 24 类颜色基准数据库中的平均识别准确率为 94.96%，比 Faster RCNN 网络高 33.47%。此外，该模型在识别 8 种颜色时平均准确率为 97.25%，且在类似数据库中的算法检测精度有所提升。同时，可视化与消融实验也证明了我们网络设置的合理性与各模块的有效性。代码与数据库发布于：https://github.com/mendy-2013。
引用
@article{arxiv.2107.09944,
title = {Vehicle 24-Color Long Tail Recognition Based on Smooth Modulation Neural Network with Multi-layer Feature Representation},
author = {Hu Ming-Di and Bai Long and Li Ying and Zhao Si-Rui and Chen En-Hong},
journal= {arXiv preprint arXiv:2107.09944},
year = {2021}
}
备注
in Chinese language