车辆检测
识别图像中的所有车辆，返回每辆车的类型和坐标位置，识别小汽车、卡车、巴士、摩托车、三轮车、自行车等多类车辆。
车辆属性识别
针对汽车识别多种外观属性，包括：是否有车窗雨眉、是否有车顶架、副驾驶是否有人、驾驶位是否系安全带、遮阳板是否放下、车辆朝向等，针对不同数据集可以做不同种类属性分析。
本文采用VeRi的车辆重识别的大规模基准数据集。
VeRi的特点包括：
- 20台摄像机在1KM^2的城市区域内24小时拍摄而来，包含776辆车的超过50,000张图像。
- 图像是在真实世界的无约束监视场景中捕获的，并标注不同的属性，例如： BBox，类型，颜色和品牌。
- 每辆车在不同的视点，照明，分辨率和遮挡下由2~18台摄像机拍摄。
- 还标注了足够的车牌和时空信息，例如板块的BBox，车牌号，拍摄的时间戳以及相邻相机之间的距离。
本文使用该数据集车的类型、颜色属性训练自己的网络。
颜色：1 yellow 2 orange 3 green 4 gray 5 red 6 blue 7 white 8 golden 9 brown 10 black。
类型：1 sedan 2 suv 3 van 4 hatchback 5 mpv 6 pickup 7 bus 8 truck 9 estate。
网络图片效果展示
网络图片效果展示
应用场景
交通安防
基于道路交通监控图像，识别各类车辆，综合车辆外观属性、车牌信息、品牌型号等，形成完整的车辆画像，进行特定车辆的定位和追踪，为分析预警提供多维度参考依据。
总结
训练自己的模型时，验证集准确率达到93%后就很难往上提升了，查看数据集发现存在少许标注错误。
原文链接：https://blog.csdn.net/ze1336365763/article/details/122123408?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169244030916800211578457%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=169244030916800211578457&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-13-122123408-null-null.268%5Ev1%5Ekoosearch&utm_term=%E6%91%A9%E6%89%98%E8%BD%A6%E9%A9%BE%E7%85%A7
