期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于多任务卷积神经网络的车辆多属性识别 被引量:3
1
作者 王耀玮 唐伦 +1 位作者 刘云龙 陈前斌 《计算机工程与应用》 CSCD 北大核心 2018年第8期21-27,共7页
细粒度车辆识别极具挑战性,尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果,但一般的神经网络模型忽略了附加属性间的联系,提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络... 细粒度车辆识别极具挑战性,尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果,但一般的神经网络模型忽略了附加属性间的联系,提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络,用于实现细粒度车辆多属性识别。具体而言,通过对传统神经网络结构的改变,将车辆识别问题转化为多属性学习问题。对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别。同时,创建了一个车辆多属性数据集并完成训练工作,结果显示了该方法的潜力。 展开更多
关键词 细粒度车辆识别 车辆多属性 多任务学习 卷积神经网络 度量学习 车辆多属性数据集
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部