Resumen

La interferencia del fondo complejo y la falta de información de los objetivos pequeños son dos problemas principales en el reconocimiento de atributos de vehículos. En este documento, se establecen dos redes en cascada de reconocimiento de atributos de vehículos para resolver los dos problemas. Para los objetivos de vehículos de tamaño normal, la red neuronal convolucional en cascada de múltiples tareas MC-CNN-NT utiliza el Faster R-CNN mejorado como subred de localización. Los objetivos de vehículos en el fondo complejo son extraídos por la subred de localización y enviados a la subred de clasificación CNN para la clasificación. La implementación de esta estrategia de descomposición de tareas elimina efectivamente la interferencia del fondo complejo en la detección de objetivos. Para los objetivos de vehículos de tamaño pequeño, la red neuronal convolucional en cascada de múltiples tareas MC-CNN-ST aplica la estrategia de compresión de red y la estrategia de fusión de características en múltiples capas para extraer los mapas de características. Estas estrategias en

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Interferencia; Fondo complejo; Objetivos pequeños; Reconocimiento de atributos de vehículos; Redes en cascada; Subred de ubicación
• Keywords:Interference; Complex background; Small targets; Vehicle attribute recognition; Cascaded networks; Location subnetwork