多比例车辆目标的分类识别

作     者：赵泽通 李宇海 赵红东 闫苗 张洁 ZHAO Zetong;LI Yuhai;ZHAO Hongdong;YAN Miao;ZHANG Jie

作者机构：河北工业大学电子信息工程学院天津300401 光电信息控制和安全技术重点实验室天津300308 

出 版 物：《传感器与微系统》 (Transducer and Microsystem Technologies)

年 卷 期：2020年第39卷第7期

页      面：134-137,141页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：光电信息控制和安全技术重点实验室基金项目(614210701041705) 

主　　题：图像识别 卷积神经网络(CNN) 目标比例 车型分类 

摘      要：应用卷积神经网络(CNN)进行车型分类识别时,系统研究了车辆目标在图像中的比例变化对CNN识别率的影响,发现比例过大或过小都会降低识别率。针对这种影响,研究和分析了卷积核尺寸、堆叠卷积结构和加入批归一化(BN)层对多比例车辆目标的识别效果。建立了6个具有不同目标比例的数据集,分别测试经典CNN模型Lenet-5和构建的4个不同结构的CNN模型。以Lenet-5的实验结果为参照,并对比不同模型的实验结果,研究了不同层次结构对消除目标比例影响的作用。其中表现最优的模型能够把识别率的波动稳定在1.0%以内,最高识别率为97.33%。多种目标比例混合后测试模型,发现CNN对于目标比例为50%的样本识别率最高。实验结果为CNN在车辆目标分类识别的研究和应用提供了参考价值。