细粒度车辆识别极具挑战性，尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果，但一般的神经网络模型忽略了附加属性间的联系，提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络，用于实现细粒度车辆多属性识别。具体而言，通过对传统神经网络结构的改变，将车辆识别问题转化为多属性学习问题。对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别。同时，创建了一个车辆多属性数据集并完成训练工作，结果显示了该方法的潜力。