10.3969/j.issn.2095-2783.2019.11.014
基于三维包络展开的车型识别
基于深度学习的车型识别方法大多采用车辆的二维正面图像作为深度神经网络的输入,但二维图像存在一定的透视形变,因此识别精度受到一定的限制.为了改进上述问题,提出了基于三维包络展开的深度学习车型识别方法.通过对车辆构建三维包络框,获得更加规范化、标准化的展开图像,并将其作为YOLO v3 算法的输入,从而对两厢车和三厢车实现更准确的分类.实验结果表明,较之原始二维图像的深度学习检测算法,两厢车型分类准确率提升了8.74%,三厢车型分类准确率提升了7. 49%,能够有效地实现车型再分类.
目标检测、深度学习、车型识别、三维包络框
14
TP391.4(计算技术、计算机技术)
教育部联合基金资助项目6141A02022610;陕西省重点研发计划重点项目2018ZDXM-GY-047,2018YBXM-SF-17-2
2020-04-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
1241-1248
