智能交通系统在辅助交管部门对车辆进行管理中发挥着巨大的作用,而车辆型号识别则是智能交通系统中极为重要的任务。在实际应用中,车辆型号(简称车型)种类繁多,部分车型相似度高,且拍摄角度不一、光照情况复杂等也给车型的精细识别带来了挑战。本文使用基于生成对抗网络的方法,分别针对车型精细识别中存在的数据不足、数据分布不同等问题进行研究,提出两种不同情况下的车辆型号精细识别方法。分别为:基于AT-PGGAN的车辆型号精细识别研究和基于自适应的夜间车辆型号精细识别算法。分别在不同的多个数据集上进行实验,实验结果表明提出的两种方法在车辆精细识别方面具有良好的识别效果。本文的主要工作如下:(1)整理和归纳了生成对抗网络的一些经典理论和基本模型:阐述了领域自适应相关的理论和模型;对目前常用车辆型号识别的数据集进行介绍;公开了一个夜间卡口车辆型号识别数据集。(2)提出了一种基于数据增强的车辆型号精细识别模型AT-PGGAN:该模型由生成网络和分类网络组成,利用生成网络对训练数据进行扩充;利用注意力机制和标签重嵌入方法对生成网络进行优化,使其生成图像细节更加完善。(3)提出了一种针对夜间车型识别的领域自适应方法:将视网膜理论和生成对抗网络相结合,依据经典视网膜理论对图像进行分解,使用改进的生成对抗网络学习不同照度图像之间的映射关系,将夜间图像转换为日间图像并对其进行识别。在模拟夜间车型数据集和真实卡口夜间数据集上的识别率均有一定的提升。