典型文献
单目视觉下基于逆投影空间的车辆细粒度识别
文献摘要：
当前车辆识别大多采用深度学习方法,直接输入图像数据进行训练以获得车辆分类的深度网络,由于图像本身存在透视形变及尺度变化,因此不得不采取大量不同类型数据进行训练,同时也无法获取车辆相关的物理信息.为了改进上述问题,本文提出基于逆投影空间训练的车辆细粒度识别方法.首先利用标定信息及几何约束,对单目投影下的车辆构建精细化的三维包络框.然后将车辆三维包络展开,获得规范化及标准化的逆投影空间数据.最后利用深度卷积网络对这些展开的规范数据进行训练分类及回归,获得5种常见车辆细分类结果及对应的物理尺寸信息.实验结果表明,与传统端到端的深度学习车辆分类算法相比较,本文算法在利用更少的训练数据的前提下,能有效的提升车辆分类准确率,同时可获取车辆三维物理尺寸信息.
文献关键词：
深度学习;智能交通;三维包络框;三维空间标准化数据;车辆细粒度识别
中图分类号：
作者姓名：
王伟;唐心瑶;田尚伟;梅占涛
作者机构：
长安大学 信息工程学院, 西安 710064;安徽科力信息产业有限责任公司, 合肥 230088;内蒙古第一机械集团股份有限公司, 包头 014030
文献出处：
引用格式：
[1]王伟;唐心瑶;田尚伟;梅占涛-.单目视觉下基于逆投影空间的车辆细粒度识别)[J].计算机系统应用,2022(02):22-30
A类：
车辆细粒度识别,三维包络框,三维空间标准化数据
B类：
单目视觉,逆投影,投影空间,前车,车辆识别,深度学习方法,图像数据,车辆分类,深度网络,尺度变化,物理信息,几何约束,空间数据,深度卷积网络,范数,细分类,端到端,分类算法,训练数据,分类准确率,三维物理,智能交通
AB值：
0.246204
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。
