TY - Jour Au - Liu，方奥 - 张，永奥 - 龚，华AU - Xu，Ke Au - Cai，Ligang Py - 2019Da - 2019/12/06 Ti - 车辆属性识别正常目标和小目标在Multitask级联网络上 - 6409630 VL - 2019 AB - 复杂背景的干扰以及小目标的信息较少的信息是车辆属性识别中的两个主要问题。在本文中，建立了两个级联的车辆属性识别网络来解决两个问题。对于具有正常尺寸的车辆目标，Multitask级联卷积神经网络MC-CNN-NT使用改进的R-CNN作为位置子网络。复杂背景中的车辆目标由位置子网提取到分类子网CNN以进行分类。该任务分解策略的实现有效地消除了复杂背景在目标检测中的干扰。对于小尺寸的车辆目标，Multitask级联卷积神经网络MC-CNN-ST应用网络压缩策略和多层特征融合策略，以提取特征映射。这些策略丰富了特征映射的位置信息和语义信息。为了优化网络的非线性映射能力和难以检测网络的挖掘能力，改善了两个级联网络中的激活功能和损耗功能。实验结果表明，与其他属性识别网络相比，用于小目标的正常目标和MC-CNN-ST的MC-CNN-NT实现了最先进的性能。 SN - 1076-2787 UR - https://doi.org/10.1155/2019/6409630 DO - 10.1155/2019/6409630 JF - Complexity PB - Hindawi KW - ER -