文献类型：期刊文章

作　　者：桑军[1,2] 郭沛[2] 项志立[2] 罗红玲[2] 陈欣[1,2]

机构地区：[1]重庆大学信息物理社会可信服务计算教育部重点实验室,重庆400044 [2]重庆大学软件学院,重庆400044

出　　处：《重庆大学学报（自然科学版）》

基　　金：高等学校博士学科点专项科研基金博导类资助项目(20130191110027)~~

年　　份：2017

卷　　号：40

期　　号：7

起止页码：32-36

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：车型识别是目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点之一。针对已有车辆检测方法缺乏识别车型能力的问题,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-101 3种卷积神经网络分别结合的策略,实验对比了该策略中的3种结合模型方案在BIT-Vehicle和CompCars2种大型车型数据库的车型识别能力。在BIT-Vehicle数据集上,基于Faster-RCNN与ResNet-101结合模型方案的车型识别率高与其余2种结合模型方案,其车型识别率高达91.3%;在迁移测试CompCars数据集上,3种结合模型方案均展现了很好的泛化能力。

关 键 词：车型识别 目标检测 Faster-RCNN  卷积神经网络

分 类 号：TP391]