视觉车辆识别迁移学习算法 - 东南大学学报.pdf

第４５卷第２期 东南大学学报（自然科 学版 ） Ｖｏｌ．４５ Ｎｏ．２ 　 ２０１５年３月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｍａｒ．２０１５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１５．０２．０１５ 视觉车辆识别迁移学习算法 １ ２ 蔡英凤 　 王　海 １ （江苏大学汽车工程研究院，镇江２１２０１３） ２ （江苏大学汽车与交通工程学院，镇江２１２０１３） 摘要：针对采用大样本离线训练的车辆识别分类器在新场景中性能显著下降的问题，提出了一 种具有样本自标注能力的车辆识别迁移学习算法，并采用概率神经网络（ｐｒｏｂａｂｉｌｉｔｙｎｅｕｒａｌｎｅｔ ｗｏｒｋ，ＰＮＮ）进行分类器训练．首先，提出一种基于多细节先验信息的样本标注策略，融合复杂 度、垂直平面和相对速度等先验信息实现新样本的自动标注；然后，充分利用ＰＮＮ训练速度快以 及增加新样本时只需分类器进行局部更新的特点，将其引入到分类器训练模型中，取代传统机器 学习算法中的Ａｄａｂｏｏｓｔ分类器．实验结果表明：该算法在新场景下的新样本标注准确率高达 ９９．７６％．通过迁移学习，新场景的车辆识别分类器性能较通用分类器在检测率和误检率指标上 均有显著提升． 关键词：车辆识别；迁移学习；样本自标注；概率神经网络；先进驾驶辅助系统 中图分类号：ＴＰ３９１．４　　文献标志码：Ａ　　文章编号：１００１－０５０５（２０１５）０２０２７５０６ Ｖｉｓｉｏｎｂａｓｅｄｖｅｈｉｃｌｅｄｅｔｅｃｔｉｏｎｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ １ ２ ＣａｉＹｉｎｇｆｅｎｇ　 ＷａｎｇＨａｉ １ （ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ） ２ （ＳｃｈｏｏｌｏｆＡｕｔｏｍｏｔｉｖｅａｎｄＴｒａｆｆｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｅｘｉｓｔｉｎｇｃｌａｓｓｉｆｉｅｒｓｆｏｒｖｅｈｉｃｌｅｒｅｃｏｇｎｉｔｉｏｎａｒｅｍａｉｎｌｙｔｒａｉｎｅｄｏｆｆｌｉｎｅｗｉｔｈａｌａｒｇｅｎｕｍｂｅｒ ｏｆｓａｍｐｌｅｓ，ｏｆｗｈｉｃｈｔｈｅｐｅｒｆｏｒｍａｎｃｅｍａｙｄｅｃｌｉｎｅｄｒａｍａｔｉｃａｌｌｙｉｎａｎｅｗｓｃｅｎａｒｉｏ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅ ｔｈｅｐｒｏｂｌｅｍ，ａｓａｍｐｌｅｓｅｌｆｍａｒｋｉｎｇｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｖｅｈｉｃｌｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｔｈｅ ｐｒｏｂａｂｉｌｉｓｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋ（ＰＮＮ）ｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，ａｓａｍｐｌｅｓｅｌｆｍａｒｋｉｎｇｓｔｒａｔｅｇｙｉｓｐｒｏｐｏｓｅｄ ｂａｓｅｄｏｎｍｕｌｔｉｃｕｅｐｒｉｏｒｋｎｏｗｌｅｄｇｅｉｎｃｌｕｄｉｎｇｃｏｍｐｌｅｘｉｔｙ，ｖｅｒｔｉｃａｌｐｌａｎｅａｎｄｒｅｌａｔｉｖｅｖｅｌｏｃｉｔｙ． Ｔｈｅｎ，ｉｎｓｔｅａｄｏｆｔｒａｄｉｔｉｏｎａｌｃｌａｓｓｉｆｉｅｒｓｓｕｃｈａｓＡｄａｂｏｏｓｔ，ＰＮＮｉｓｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｔｒａｎｓｆｅｒｌｅａｒｎ ｉｎｇｍｏｄｅｌｂｙｕｔｉｌｉｚｉｎｇｉｔｓｆｅ