針對傳統(tǒng)人工設(shè)計特征描述不充分及單分類器泛化能力弱等問題,提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）特征與集成學(xué)習(xí)相結(jié)合的車型分類算法。微調(diào)VGG16深度卷積神經(jīng)網(wǎng)絡(luò)模型,將全連接層Fc7輸出的4096維矢量采用PCA方法降至100維,作為圖像的特征表示;采用拉格朗日支持向量機（LSVM）作為基分類器,以Adaboost方法自動學(xué)習(xí)各樣本及基分類器的權(quán)重實現(xiàn)分類器集成�；贐IT和MIO-TCD數(shù)據(jù)集的對比實驗結(jié)果表明,平均分類精度分別達到84.5%與83%,優(yōu)于其它傳統(tǒng)特征與單分類器方法。 

【文章來源】：計算機工程與設(shè)計. 2020,41(06)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

MIO-TCD數(shù)據(jù)集上不同分類算法對比

總體框架

Adaboost-LSVM算法框架

【參考文獻】：
碩士論文
[1]結(jié)合小波變換和互信息的車輛識別方法[D]. 范佳亮.清華大學(xué) 2016
[2]基于Gabor特征的稀疏表示車型識別研究[D]. 劉廣威.西安電子科技大學(xué) 2015



本文編號：3221863