基于数据增强的车辆型号精细识别方法研究

发布时间：2021-01-19 10:22

　　智能交通系统在辅助交管部门对车辆进行管理中发挥着巨大的作用,而车辆型号识别则是智能交通系统中极为重要的任务。在实际应用中,车辆型号（简称车型）种类繁多,部分车型相似度高,且拍摄角度不一、光照情况复杂等也给车型的精细识别带来了挑战。本文使用基于生成对抗网络的方法,分别针对车型精细识别中存在的数据不足、数据分布不同等问题进行研究,提出两种不同情况下的车辆型号精细识别方法。分别为:基于AT-PGGAN的车辆型号精细识别研究和基于自适应的夜间车辆型号精细识别算法。分别在不同的多个数据集上进行实验,实验结果表明提出的两种方法在车辆精细识别方面具有良好的识别效果。本文的主要工作如下:（1）整理和归纳了生成对抗网络的一些经典理论和基本模型:阐述了领域自适应相关的理论和模型;对目前常用车辆型号识别的数据集进行介绍;公开了一个夜间卡口车辆型号识别数据集。（2）提出了一种基于数据增强的车辆型号精细识别模型AT-PGGAN:该模型由生成网络和分类网络组成,利用生成网络对训练数据进行扩充;利用注意力机制和标签重嵌入方法对生成网络进行优化,使其生成图像细节更加完善。（3）提出了一种针对夜间车型识别的领域自适应方... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究目的和意义
    1.2 国内外研究现状
        1.2.1 车型精细识别
        1.2.2 领域自适应
        1.2.3 暗光增强
    1.3 研究内容与组织结构
        1.3.1 研究内容
        1.3.2 组织结构
第二章 基础理论及数据集介绍
    2.1 卷积神经网络
        2.1.1 卷积神经网络的基本模块
        2.1.2 经典卷积模型
    2.2 生成对抗网络
        2.2.1 生成对抗网络（GAN）
        2.2.2 条件生成对抗网络（CGAN）
        2.2.3 渐进式增长生成对抗网络（PGGAN）
        2.2.4 循环生成对抗网络（CycleGAN）
    2.3 车型识别数据集介绍
        2.3.1 Stanford Cars数据集
        2.3.2 Comp Cars数据集
        2.3.3 Car100数据集
    2.4 本章小结
第三章 一种基于AT-PGGAN的车型精细识别算法
    3.1 算法主要思想
    3.2 模型主体结构
    3.3 标签重嵌入
    3.4 标签重标定
    3.5 自注意力机制
    3.6 实验结果与分析
        3.6.1 数据集使用与实验环境及设置
        3.6.2 实验结果分析
    3.7 本章小结
第四章 一种自适应的夜间车型精细识别算法
    4.1 算法主要思想
    4.2 模型主体架构
    4.3 损失函数
        4.3.1 生成对抗损失
        4.3.2 局部对抗损失
        4.3.3 循环一致性损失
        4.3.4 语义损失
    4.4 实验结果与分析
        4.4.1 数据集使用与实验环境
        4.4.2 实验结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况


【参考文献】：
期刊论文
[1]类别信息生成式对抗网络的单图超分辨重建[J]. 杨云,张海宇,朱宇,张艳宁.  中国图象图形学报. 2018(12)
[2]基于条件深度卷积生成对抗网络的图像识别方法[J]. 唐贤伦,杜一铭,刘雨微,李佳歆,马艺玮.  自动化学报. 2018(05)



本文编号：2986813