基于改进MobileNet V1网络的野外车辆识别  

Field Vehicle Recognition Based on Improved MobileNet V1 Network

作　　者：易强 李成娟 李宝清[1] 施玉松[1] 覃荣华[1] 

机构地区：[1]中国科学院上海微系统与信息技术研究所微系统技术重点实验室,上海201800 [2]中国科学院大学,北京100049

出　　处：《工业控制计算机》2020年第7期104-107,共4页Industrial Control Computer

基　　金：中国科学院青年创新促进会资助。

摘　　要：针对现有利用单一信号进行野外车辆识别准确率不高而且容易受到噪声干扰的问题,选取声音和震动信号为目标信号,设计了一种并行神经网络模型来实现野外车辆识别。首先对两种信号进行特征提取得到各自的频谱图。神经网络选取轻量级网络MobileNet V1,同时使用多尺度卷积对网络改进,多尺度卷积可以提取频谱图中隐含的空间特征;然后用改进的并行网络分别训练这两种频谱图,把训练得到的特征图耦合在一起,实现两种信号特征级上的融合;最后利用Softmax层识别分类。实验结果表明,所提出的融合声音震动信号野外车辆识别方法相对于传统方法有更高的识别率和更强的鲁棒性。In this paper,acoustic signal and vibrative signal are selected as the target signals,and a parallel neural network model is designed for field vehicle recognition.First of all,the spectrum of the two signals are obtained by feature extraction.The neural network select the lightweight network mobilenet V1,and improved the network with multi-scale convolution.Multi-scale convolution can extract the hidden spatial features in the spectrum.Then,the improved parallel network is used to train the two kinds of spectrum graphs,and the training fearute map are coupled together to realize the fusion of the two kinds of signal characteristic levels.Finally,the softmax layer is used to identify and classify.

关 键 词：频谱图 MobilNet V1 多尺度卷积 车辆识别 

分 类 号：TN929.5[电子电信—通信与信息系统] TP212.9[电子电信—信息与通信工程] U495[自动化与计算机技术—检测技术与自动化装置]