基于胶囊神经网络的车型精细识别研究

摘要

车辆型号精细识别在智能交通系统、涉车刑侦案件侦破等方面具有十分重要的应用前景.针对车辆型号种类繁多、部分型号区分度小等带来的车辆型号精细分类困难的问题,提出一种基于胶囊神经网络(capsule network,CapsNet)的车型图像识别模型CapCar.以CompCars数据集作为样本,首先通过加权平均值法进行图像的灰度化处理,减少数据集训练计算量,提高模型的训练速度.然后通过胶囊神经网络提取车型图像的全部特征和局部特征,实现车型分类识别.相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩了模型参数规模.在基准数据集CompCars下进行大量实验的结果表明,CapCar模型进行车辆精细识别精度可达98.89％,其识别率高于一些其他经典的网络模型.CapCar模型参数大小仅为6.3 MB.该算法具有一定的先进性.