【技术实现步骤摘要】
一种基于卷积神经网络的细粒度车辆多属性识别方法
本专利技术属于计算机视觉识别
,涉及一种基于卷积神经网络的细粒度车辆多属性识别方法。
技术介绍
随之经济发展,汽车已成为人们最主要的交通工具,伴随而来的城市交通拥堵问题更是日益严重,出现越来越多的“堵城”。智能交通系统被认为是目前缓解交通压力最佳方案,而且智能交通系统作为智慧城市、数字城市的一部分,主要应用于交通流量监控、车辆监控、高速公路收费站管理、小区智能管理、停车场管理、交警执法、公安刑侦调查等,其中车辆检测识别是智能交通系统最为关键的部分,是实现交通管理智能化的重要环节,是计算机视觉和模式识别即使在智能交通系统中的重要研究课题。车辆识别技术在车辆全自动不停车收费,交通流量控制指标测量,车辆自动识别,高速公路上事故自动测报,不停车检查,车辆定位,汽车防盗,稽查和追踪车辆违规、违法行为,维护交通安全和城市治安,防止交通堵塞,提高收费路桥的服务速度,缓解交通紧张状况等方面都具有积极作用。近年来,由于强大的特征表达能力,深度学习已经引起广泛的关注,解决了传统的线性分类器特征提取的瓶颈。卷积神经网络已经被应用于车辆分类识别任务中来。然而,这些工作对于原始卷积神经网络架构都是非常初步的,并且很多重要的实际问题并没有被讨论,尤其是涉及车辆多属性识别问题。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于卷积神经网络的细粒度车辆多属性识别方法。该方法基于卷积神经网络结构,采用多任务同时学习机制,引入空间度量学习,提取车辆图像高层抽象表达。通过得到图像tripletloss和softmaxloss,进而联合学 ...
【技术保护点】
一种基于卷积神经网络的细粒度车辆多属性识别方法,其特征在于:该方法包括以下步骤:S1:构建多任务学习的神经网络层级结构;S2:利用包含不同车辆属性的细粒度图像分类的车辆数据集,训练神经网络,学习Triplet Loss和Softmax Loss的联合损失从而进行权重参数矩阵和偏置值的调整;S3:将得到的训练好的各层中的权重参数矩阵和偏置值,对应地赋值给神经网络中的各个层,用于车辆特征提取和车辆多属性识别。
【技术特征摘要】
1.一种基于卷积神经网络的细粒度车辆多属性识别方法,其特征在于:该方法包括以下步骤:S1:构建多任务学习的神经网络层级结构;S2:利用包含不同车辆属性的细粒度图像分类的车辆数据集,训练神经网络,学习TripletLoss和SoftmaxLoss的联合损失从而进行权重参数矩阵和偏置值的调整;S3:将得到的训练好的各层中的权重参数矩阵和偏置值,对应地赋值给神经网络中的各个层,用于车辆特征提取和车辆多属性识别。2.根据权利要求1所述的一种基于卷积神经网络的细粒度车辆多属性识别方法,其特征在于:所述神经网络层级结构包括输入层、卷积层、激活函数层、归一化层、池化层、全连接层、切片层和分类输出层,其中,输入层包括原始图像输入层和标签数据输入层;卷积层、激活函数层、归一化层、池化层和全连接层负责车辆特征提取;切片层负责标签数据切片;分类层负责输出分类结果。3.根据权利要求1所述的一种基于卷积神经网络的细粒度车辆多属性识别方法,其特征在于:所述步骤2具体为:利用切片层对标签数据进行切分,标签数据与图像特征数据进行分类学习,通过学习不同属性的联合损失完成不同的属性任务;各个学习任务共享隐层,即发掘不同属性学习的内在联系,又区别学习任务之间的差别;针对车辆的不同属性,确定不同的学习任务,每一个学习任务学习车辆的一种属性,并对车辆属性进行识别;对车辆的每一个属性进行标签标记,得到多属性标签数据;所述多任务学习为一次学习多个任务,多个任务并行学习,结果相互影响;所述车辆属性包括车辆品牌、车型、颜色的车辆附加属性;所述训练神经网络的训练方式为带标签的数据的有监督学习;所述TripletLoss是三元组网络结构TripletNetwork的输出损失,所述SoftmaxLoss是Softmax回归函数的输出损失;其中三元组网络结构属于度量学习,是通过训练和学习,减小同类样本之间的距离,同时增大不同类别样本之间的距离;所述细粒度图像分类是相对于粗粒度分类而言,用于识别相似类别下不同子类之间的细微差异。4.根据权利要求1或2所述的一种基于卷积神经网络的细粒度车辆多属性识别方法,其特征在于:所述神经网络层级结构包括2个输入层,5个卷积层,5个激活函数层,2个归一化层,3个池化层,3个全连接层,1个切片层和若干分类输出层;其中,第一个卷积层利用96个大小为11x11x3,步长为4个像素的卷积核,对大小为224x224x3的输入图像进行卷积滤波;第二层卷积层将第一个卷积层的输出作为输入,是响应归一化以及池化后的结果,并利用256个大小为5x5x48的卷积核进行滤波;第三、第四和第五个卷积层彼此相连,没有介于任何池化层与归一化层中间;第三个卷积层有384个大小为3x3x256的...
【专利技术属性】
技术研发人员:唐伦,王耀玮,杨恒,刘云龙,陈前斌,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。