基于多视角图片的车型分类
车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.
车型分类 多视角图片 双层模型 中层特征 特征提取
胡彬 赖剑煌 郭春超
中山大学信息科学与技术学院,广州 510006
国内会议
珠海
中文
316-320
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）