基于深度学习的细粒度车辆分类模型

这篇文章结构清晰，特别值得学习，图片很多，但是整体很整齐，但是个人觉得结果这部分展示的不够充分，包括准确率没有展示可靠的图线依据，这篇文章从最基本的爬数据来创建数据集做起，工程量巨大，全篇涉及到了目标检测，分类。其实整体上并没有什么大的创新的地方，只是做了一项比较庞大的工程。结合贝叶斯分类算全篇的创新点吧。

题目：A model for fine-grained vehicle classification based on deep learning

摘要：提出了一个基于深度学习的细粒度车辆分类模型来处理复杂的交通场景。这个模型分成两部分，车辆检测模型和车辆细粒度检测和分类模型。车辆检测模型中应用Faster R-CNN方法从含有多个目标的复杂背景图片中提取出单一车辆图片。这一步为下一步分类模型提供了数据。在车辆细粒度分类模型中，一张图片只包含一辆车放入分类模型中提取特征，然后结合贝叶斯网络实现细粒度分类操作。实验结果显示使用我们的模型可以从交通图片中高效的识别出车辆的品牌和型号。另外，为了尽早的建立一个大规模数据集，本文提出了一个协调注释机制。

1.引言

随着智慧城市中智能交通的发展，应用于智能交通系统的核心技术发展迅速，持续更新。1970年，只有电磁线圈应用于车辆检测，但是现在，其他的技术比如雷达，超声波，红外线和视频图片广泛应用于现实中。随着越来越多的数字视频监控应用于交通道路，可见光车辆检测方法已经成为计算机视觉科学家近来的研究问题。

作为目标检测的一个应用领域，车辆检