一種基于深度學(xué)習(xí)的精細(xì)車(chē)型識(shí)別方法及系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN202110112292.8 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN112966709A 公開(kāi)（公告）日 2021-06-15
申請(qǐng)公布號(hào) CN112966709A 申請(qǐng)公布日 2021-06-15
分類(lèi)號(hào) G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 汪洋旭;廖歡;張招亮;劉后標(biāo);唐文杰 申請(qǐng)（專利權(quán)）人 中國(guó)電子進(jìn)出口有限公司
代理機(jī)構(gòu) 北京君尚知識(shí)產(chǎn)權(quán)代理有限公司 代理人 邱曉鋒
地址 100036北京市海淀區(qū)復(fù)興路17號(hào)A座6-23層
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于深度學(xué)習(xí)的精細(xì)車(chē)型識(shí)別方法及系統(tǒng)。該方法從車(chē)輛視頻流數(shù)據(jù)中抽取視頻幀，檢測(cè)視頻幀中的車(chē)輛并提取車(chē)輛圖像；將車(chē)輛圖像輸入訓(xùn)練完成的引入注意力訓(xùn)練機(jī)制的深度卷積神經(jīng)網(wǎng)絡(luò)，輸出精細(xì)車(chē)型識(shí)別結(jié)果。所述深度卷積神經(jīng)網(wǎng)絡(luò)包括主干特征提取網(wǎng)絡(luò)、特征表達(dá)層、注意力特征提取分支網(wǎng)絡(luò)、分類(lèi)損失層；訓(xùn)練過(guò)程包括車(chē)型正常?隨機(jī)打亂圖像對(duì)訓(xùn)練、多元組車(chē)輛圖像對(duì)訓(xùn)練；使用的損失函數(shù)包括Softmax分類(lèi)損失、多元組分類(lèi)損失、分支網(wǎng)絡(luò)重構(gòu)損失。本發(fā)明基于注意力機(jī)制能夠自主學(xué)習(xí)不同車(chē)型間的區(qū)分性特征，能夠有效提升現(xiàn)有基于深度學(xué)習(xí)方法的車(chē)型識(shí)別模型的車(chē)型識(shí)別準(zhǔn)確率，實(shí)現(xiàn)針對(duì)大量實(shí)際車(chē)型的精細(xì)車(chē)型識(shí)別需求。