《表3 不同角度下车型识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多尺度双线性卷积神经网络的多角度下车型精细识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

本节还对不同角度下的车型识别情况进行了分析。由表3可看出，基于本文框架，车辆正面和背面图像的识别准确率为95.73%和95.26%，平均召回率为93.55%和94.04%，结果明显好于其他三个角度，这说明车辆的正面和侧面角度的图像区分度较大，而前侧面、后侧面、侧面角度图像的区分度较小。角度复杂也是车辆识别算法进行跨场景迁移和实际应用的难题，因此本文结合基于中心损失的度量学习对车辆图像在特征空间内加以约束，有效地引导网络学习使得类内距离小、类间距离大的特征，来提高模型在多角度情况下的准确性和鲁棒性。通过对比实验可以看出，每个角度下车辆的识别准确率和召回率都有了明显提升，从而证明了本文方法的有效性。