参考文档
- https://www.zhihu.com/question/48979623 计算机视觉技术的车辆「检测」与「识别」是怎么做的？
- https://github.com/nicklhy/CompCar_Analysis
- http://blog.csdn.net/qq_14845119/article/details/76083042 Fine-Grained Classification之车型识别
- http://mmlab.ie.cuhk.edu.hk/datasets/comp_cars/index.html CompCars数据集
- https://zhuanlan.zhihu.com/p/24738319 「见微知著」——细粒度图像分析进展综述
- http://chuansong.me/n/412871151162 CVPR2016论文快讯-细粒度视觉分类的最新进展
车型识别算法指标
- 车辆类型支持：
- 轿车(微型、小型)
- 客车(小型普通、小型越野、中型普通、大型普通)
- 货车(轻型普通、轻型厢式、中_重型)
- 挂车
- 车辆型号总数：4606(含所有车辆类型)
- 完全识别正确率(即车辆类型-厂商-品牌-年款全部识别正确)：
- 部分识别正确率(只有年款识别错误)：
- 识别时间：
- 白天
- 夜间
- 识别场景：
- 高速
- 收费车道
- 停车场
- 嵌入式单帧识别时间：
- 车辆方向：
- 车头
- 车尾
算法设计指标要点：
- [ ] 车辆类型支持：主要是货车和挂车的支持问题
- [ ] 因为车辆年款之间区别较小，所以有部分错误仅是年款出现错误，部分识别正确率是否有统计和实际要求的意义
- [ ] 夜间的识别率相较于白天更低一些
- [ ] 识别场景的支持问题
- [ ] 完全识别正确率初步统计，现在算法组使用的darknet-19模型的全识别场景的正确率为92%-93%区间。我这边测试的mobilenet_v1模型为91%，mobilenet_v2正在训练中。
- [ ] 单帧识别时间，如果识别时间要求有余量，可综合考虑使用更复杂的深度学习模型