基于深度学习的细粒度车辆识别算法及其优化分析

阐述神经网络为ResNet-152以及VGG16,采用迁移学习的方式,将Stanford-car196数据集按照80:20分为训练集和测试集,进行训练,最终得到两种神经网络的训练模型。ResNet152和VGG16_dropout的准确度分别为89.80%以及77.54%,使用dropout&Batch-Normalize优化后的VGG16,性能由77.54%增加至82.26%。