陈立潮，朝 昕，曹建芳，2，潘理虎

1.太原科技大学 计算机科学与技术学院，太原030024 2.忻州师范学院 计算机系，山西 忻州034000

在车辆普及的今天，智能交通系统（Intelligent Transportation System，ITS）的建设有着重要意义，ITS包括车型识别、交通流量计算和智能泊车系统等。细粒度车型识别技术在智能交通系统中占据重要地位，一般的车型识别只能简单识别出大卡车、轿车、公交车等粗粒度信息，车辆信息提供不充足，仅凭这些基础数据分析，无法做到对车辆的有效识别和追踪，细粒度车型识别能识别出更为精准有用的信息，如车辆型号、制造商、生产年份，这些信息可以精确标识车辆，不仅节省了人力资源，提高交通执法效率，而且能够有效地进行车辆监控，提高了有关车辆刑事案件的侦破效率，在智能交通、安防等领域具有重要意义[1]。

目前，已经有许多研究者针对车型细粒度识别做了大量研究工作。Yang等人[2]构建了一个公开的细粒度车辆图像数据库Comp Cars，并用经典卷积神经网络（Convolutional Neural Network，CNN）模型对细粒度车型的识别问题进行了研究，但并未对现有的CNN模型作进一步改进。王伟等人[3]根据注意机制循环提取图像中的显著物体区域，融合原始图像和提取的同类别显著区域，再用融合层进行分类，该方法能有效提取图像的鉴别性部分，但准确率有待提升。Hu等人[4]提出空间权重池化（Spatially Weighted Pooling，SWP）将深度学习网络所提取的特征集合起来，该方法中SWP类似注意力模型，提高了主要特征表示的有效性，得到较好的识别效果。……