林海，庞妙珍，刘天成

（1.湛江幼儿师范专科学校，湛江524300；2.遂溪县第一中学，湛江524300）

0 引言

随着人工智能与新一代信息技术的发展，CNN车型识别技术是智能公路治超、智慧安防、智能交通系统、自动驾驶等领域中的重要人工智能技术。马秀[1]研究了一种基于快速R-CNN的车型识别算法。通过目标检测网络进行图像特征提取，经过RPN算法，对车辆进行精细化检测，使用Softmax-SVM集成模型分割目标区域，实现了对车型的识别。针对车型数据集的特点，费东炜[2]提出了一种适用于车型识别的数据增广方法，有效提升了小样本车型识别的准确率。通过采用改进的HashNet网络对车辆的二值特征表达进行学习，以全局平均池化层替换HashNet中的部分全连接层，大幅度减少了参数数量，提升了前向计算速度和网络性能。在车型识别中，带标签车型数据的数量是影响车型识别的重要因素。杨昌东等[3]以“增强数据”为核心，结合PGGAN和Attention机制，提出一种基于对抗网络的再分类的网络模型ATPGGAN，由生成网络和分类网络组成。使用生成网络对训练数据进行增强扩充，运用注意力机制和标签重嵌入方法对网络进行再优化使其生成图像细节更加完善，从而提高车型识别准确率。

虽然，目前CNN车型识别技术已经发展的比较成熟，但是以上方法存在模型复杂度高的计算成本高、分类速度慢，模型复杂度低的灵敏度低和分类精度低等问题。为了提高当前车载和野外环境安装的低配置设备车型识别系统……