改进Smaller VGGNet的细粒度汽车图像分类算法

摘要

为了提高细粒度车辆图像分类的准确度，提出了一种基于改进Smaller VGGNet的细粒度汽车图像分类算法模型.首先，重新调整了神经网络结构，以此提高训练的稳定性和分类的准确率；其次，替换特征的填充方式，以更好地捕捉局部信息，减缓过拟合现象；最后，利用ELU替换原有的ReLU激活函数，以加快模型收敛速度.在公开数据集上，将改进后模型与现有的6种图像分类算法进行对此.结果表明，改进后模型的细粒度汽车图像分类效果显著，且在训练过程表现出更好的稳定性.研究结果可为同类问题解决提供借鉴.

关键词

智能交通 / 汽车图像分类 / 细粒度 / Smaller VGGNet / 神经网络

基金资助

福建省中青年教师教育科研项目（JAT210410,JAT220829）; 福建省自然基金面上项目（2022J011170）; 莆田学院引进人才启动项目（2022058）;莆田学院横向项目（2021AHX154(L),2023AHX036(L)）; 莆田市科技特派员项目（F2020KTP018）; 莆田市科技计划项目（2024GZ2001PTXY18）