融合FV-SIFT特征和深度卷積特征的車(chē)輛圖像細(xì)粒度分類(lèi)

摘要：針對(duì)現(xiàn)有的SIFT特征在車(chē)輛細(xì)粒度分類(lèi)中存在的分類(lèi)精度低的問(wèn)題,提出了一種融合FV-SIFT特征和深度卷積特征的車(chē)輛圖像細(xì)粒度分類(lèi)算法。首先采用SIFT算法與Fisher Vector算法相結(jié)合的方式提取車(chē)輛圖像的FV-SIFT特征,然后采用VGG-16卷積神經(jīng)網(wǎng)絡(luò)提取車(chē)輛圖像的深度卷積特征,最后將FV-SIFT特征與深度卷積特征進(jìn)行線(xiàn)性融合并采用支持向量機(jī)對(duì)融合后的車(chē)輛特征進(jìn)行分類(lèi)。實(shí)驗(yàn)結(jié)果表明,該方法的分類(lèi)準(zhǔn)確率達(dá)到82.3%,較FV-SIFT算法在分類(lèi)準(zhǔn)確率上提高了15.4%。