典型文献
基于EfficientNetV2模型迁移的车辆图像识别算法
文献摘要：
智能交通系统中,由于车辆流动性大、道路拍摄环境恶劣等问题,传统深度学习大多只能识别车牌与数量,该领域数据集也极为稀少,基于这些问题提出一种EfficientNetV2为主干网络的图像识别模型.使用ImageNet的预训练参数,冻结部分网络快速提取图像特征,选取VOC2012数据集中交通工具部分进行领域适配,得到一个可移植性强的交通工具识别模型.将上一步得到的模型参数作为源域,二次迁移至车辆数据集,与ImageNet作为源域的单次迁移对比可知,领域相似性越高的领域迁移效果更好.最后,以上一步获得的特征提取网络及相应参数为基础,结合子空间变换法Coral对不同网络深度的特征进行约束,令模型适配特征分布有差异的新任务并加快收敛,并以随机抽取的少量样本检测模型是否有过拟合现象.通过实验可知,在小样本数据集下运用迁移学习后模型的识别精度和训练速度大幅提升,并且能便捷地再次使用于其它相似领域的识别任务.
文献关键词：
深度学习;迁移学习;卷积神经网络;车辆图像识别
中图分类号：
作者姓名：
万斌杨;侯进
作者机构：
西南交通大学信息科学与技术学院智能感知智慧运维实验室,四川成都611756;西南交通大学综合交通大数据应用技术国家工程实验室,四川成都611756
文献出处：
引用格式：
[1]万斌杨;侯进-.基于EfficientNetV2模型迁移的车辆图像识别算法)[J].微电子学与计算机,2022(10):62-70
A类：
车辆图像识别
B类：
EfficientNetV2,模型迁移,识别算法,智能交通系统,环境恶劣,劣等,多只,车牌,稀少,主干网络,识别模型,ImageNet,预训练,冻结,分网,快速提取,图像特征,VOC2012,交通工具,领域适配,可移植性,源域,移至,辆数,迁移效果,特征提取网络,合子,子空间,空间变换,变换法,Coral,行约,特征分布,新任务,快收敛,随机抽取,少量样本,检测模型,过拟合,小样本数据集,下运,迁移学习,识别精度,训练速度
AB值：
0.453287
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
