渐进式多粒度ResNet车型识别网络

• Published in: 光电工程 Vol. 50; no. 7; pp. 34 - 49
• Main Authors: 徐胜军, 荆扬, 李海涛, 段中兴, 刘福友, 李明海
• Format: Journal Article
• Language: Chinese
• Published: 西安建筑科技大学信息与控制工程学院,陕西西安 710055 2023; 西安市建筑制造智能化技术重点实验室,陕西西安 710055%江苏省交通工程建设局,江苏南京 210004%中交隧道工程局有限公司,北京 100024
• Subjects: ResNet network; 车型识别; 渐进式多粒度训练; random channel drop block; 随机通道丢弃; ResNet网络; progressive multi-granularity local convolution block; vehicle model recognition; 渐进式多粒度局部卷积; progressive multi-granularity training
• ISSN: 1003-501X
• DOI: 10.12086/oee.2023.230052

TP391.4; 针对车辆因姿态、视角等成像差异造成车型难以识别问题,提出一种基于渐进式多粒度ResNet车型识别网络.首先,以ResNet网络作为主干网络,提出渐进式多粒度局部卷积模块,对不同粒度级别的车辆图像进行局部卷积操作,使网络重构时能够关注到不同粒度级别的车辆局部特征;其次,对多粒度局部特征图利用随机通道丢弃模块进行随机通道丢弃,抑制网络对车辆显著性区域特征的注意力,提高非显著性特征的关注度;最后,提出一种渐进式多粒度训练模块,在每个训练步骤中增加分类损失,引导网络提取更具辨别力和多样性的车辆多尺度特征.实验结果表明,在Stanford cars数据集、Compcars网络数据集和真实场景下的车型数据集VMRURS上,所提网络的识别准确率分别达到了95.7％、98.8％和97.4％,和对比网络相比,所提网络不仅具有较高的识别准确率,而且具有更好的鲁棒性.