基于注意力机制深度神经网络的车辆细分类系统设计与实现

发布时间：2021-04-20 09:20

　　车辆细分类是智慧交通系统中的重要研究内容,准确获取城市交通中的车辆型号信息,对城市交通智能管理具有重要意义。然而,车辆细粒度分类问题仍然面临着诸多挑战,一方面由于视角、光照、背景等因素影响,相同的车型会呈现出较大的类内差异;另一方面由于车辆的整体外观大致相同,不同的车型之间的类间差异很小。深度卷积神经网络虽然在通用图像识别任务上取得了很好的效果,但是受限于特征表达能力的不足,传统卷积神经网络并不能满足车辆细粒度分类的要求。在本文中,我们基于注意力机制深度卷积神经网络设计实现了一个车辆细分类系统。首先,为了尽量消除背景的干扰,我们根据车辆外观先验知识,对通用目标检测算法进行改进,在复杂背景中检测出车辆目标;然后,我们提出了基于注意力机制的多层级卷积特征融合方法,该方法利用注意力模块定位车辆图像中判别性区域,提取车辆的局部特征,并使用特征金字塔的方式将多层卷积特征融合,融合后的车辆特征既能够关注到车辆局部区域的差异,又结合了卷积网络中的低层纹理特征和高层语义特征,具有更强的鲁棒性;最后,我们提出了基于车辆标签分层结构的组交叉熵损失函数,进一步约束特征向量,增大特征向量在特征空间中的距离,最... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状与趋势
        1.2.1 车辆检测
        1.2.2 车辆细粒度分类
    1.3 主要研究内容
    1.4 论文章节安排
第二章 相关技术介绍
    2.1 卷积神经网络
        2.1.1 经典卷积神经网络
        2.1.2 残差神经网络
    2.2 目标检测
        2.2.1 RCNN算法
        2.2.2 SSD算法
    2.3 注意力机制
        2.3.1 空间注意力模型
        2.3.2 跨通道注意力模型
        2.3.3 自然语言处理中的注意力模型
    2.4 本章小结
第三章 基于注意力模型的车辆细分类算法
    3.1 车辆检测算法
        3.1.1 Faster-RCNN算法
        3.1.2 基于车辆域先验知识的算法改进
        3.1.3 实验结果与分析
    3.2 车辆判别性区域定位
        3.2.1 视觉注意力
        3.2.2 局部注意力模块
    3.3 多层卷积特征融合
        3.3.1 卷积神经网络的多层特征
        3.3.2 注意力感知多层特征融合方法
    3.4 基于车辆标签分层结构的损失函数约束
        3.4.1 细粒度车辆标签分层结构
        3.4.2 组交叉熵损失函数
    3.5 实验结果与分析
        3.5.1 CompCars数据集
        3.5.2 车辆细分类结果
        3.5.3 判别性区域可视化
    3.6 本章小结
第四章 车辆细分类系统设计与实现
    4.1 系统需求分析
    4.2 车辆细分类系统设计
        4.2.1 图像输入与预处理模块设计
        4.2.2 车辆细分类模块设计
        4.2.3 车辆细分类网页服务模块设计
    4.3 车辆细分类系统实现
        4.3.1 系统开发环境
        4.3.2 图像预处理模块实现
        4.3.3 车辆细分类模块实现
        4.3.4 车辆细分类网页服务模块实现
    4.4 本章小结
第五章 总结与展望
    5.1 本文研究总结
    5.2 未来工作展望
参考文献
致谢


【参考文献】：
期刊论文
[1]面向未来智能社会的智能交通系统发展策略[J]. 陶永,闫学东,王田苗,刘旸.  科技导报. 2016(07)
[2]基于Edge Boxes和深度学习的车辆检测[J]. 刘亚萍,姚剑.  黑龙江科技信息. 2016(01)



本文编号：3149413