【技术实现步骤摘要】
基于弱监督定位和子类别相似性度量的细粒度车型识别方法
本专利技术涉及一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法。
技术介绍
细粒度车型识别作为细粒度图像分类问题的子问题,在传统车型识别只识别出车辆生产商的基础上,还要区分出同一车辆品牌旗下不同车辆的型号,如奥迪S5和奥迪S4等。细粒度车型识别的目的是识别任意角度及场景下的车辆外观图像判断出车辆生产厂家、车辆型号等信息,在智慧交通、安防、汽车销售等领域具有重要意义。细粒度车型识别问题中不同车型类别间的差别往往很细微,具有显著区分度的信息只存在于细小的区域,因此需要对这些区域的信息进行特征编码。近年来随着大数据、硬件计算能力的提升,利用深度学习提取特征来改善细粒度车型识别效果已逐渐成为一种新的需求,与传统识别方法相比,有效的利用卷积神经网络可在训练数据驱动下自适应地构建深度特征描述,从而获取数据更抽象、更本质的表征。利用细粒度车型识别技术,可以在智能交通领域对道路交通情况进行统计,在汽车销售领域帮助潜在购车用户更好地了解感兴趣的车辆信息。尽管细粒度车型识别的方法不同,但基本研究主要集中在以下两个方面:第一类是通过人工设计的特征提取方法来对输入图片进行特征提取,这类方法往往会通过对齐、校准、3D重建等方法消除车辆姿势及视角的影响。大多数基于人工设计特征的方法都是使用人为设计的特征提取方法将输入车辆图片转换为特征向量,再基于特征向量和分类算法来训练模型。Deng等人提出气泡集方法(BB),人为划分具有区分度的图像区域,提取该区域的尺度不变特征变换及颜色直方图特征,使用支持向量机分类在车型识别数据集上取 ...
【技术保护点】
1.一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法,其特征在于,包括以下步骤:1)弱监督定位首先用预训练好的VGG‑Net网络对图像目标定位,以减少背景干扰,接着对卷积层的掩码图进行处理,获取目标物体的边界框;2)构建模糊相似矩阵将训练集中定位后的图片利用B‑CNN网络提取特征,之后根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵;3)采样组建三元组集在模糊相似矩阵基础上采样组建三元组,相似度越高的两个不同子类别采样比率越高,特征间距越大的同一子类别的图像越容易被选中;4)联合学习改进的损失函数利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制,同时增大不同子类别样本间的距离。
【技术特征摘要】
1.一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法,其特征在于,包括以下步骤:1)弱监督定位首先用预训练好的VGG-Net网络对图像目标定位,以减少背景干扰,接着对卷积层的掩码图进行处理,获取目标物体的边界框;2)构建模糊相似矩阵将训练集中定位后的图片利用B-CNN网络提取特征,之后根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵;3)采样组建三元组集在模糊相似矩阵基础上采样组建三元组,相似度越高的两个不同子类别采样比率越高,特征间距越大的同一子类别的图像越容易被选中;4)联合学习改进的损失函数利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制,同时增大不同子类别样本间的距离。2.根据权利要求1所述的基于弱监督定位和子类别相似性度量的细粒度车型识别方法,其特征在于:步骤1)具体包括:1.1)获取掩码图输入图像I送入VGG-Net,“pool5”表示经过最大池化后最后一层卷积层的响应,即d张h×w的二维特征图,记为F={Fn}(n=1,...,d),其中Fn对应第n个通道h×w的二维特征图,F共有h×w个位置,每个位置(i,j)含有一个1×d维的卷积描述子x(i,j)∈Rd(i∈{1,...,h},j∈{1,...,w});然后将pool5响应沿深度方向加和,得到二维矩阵最后选取F所有位置响应的平均值作为阈值来指导弱监督定位,并将F中大于阈值的这部分区域称作掩码图M;1.2)两层掩码图融合获取比pool5浅三层的relu5_2层的掩码图M',根据M'大小将pool5层对应的掩码图上采样,对两个掩码图进行融合,只有当两个掩码图在同一位置(i,j)处对应元素均为1时该位置才予以保留,得到最终relu5_2层的目标掩码图1.3)获取边界框在二值图像上标记连通区域,选出最大连通区域并在对应的掩码图进行凸包处理,确保连通区域包含更多的目标,将最大连通区域所对应的最小外接矩形作为最终的目标边界框。3.根据权利要求2所述的基于弱监督定位和子类别相似性度量的细粒度车型识别方法,其特征在于:步骤1)还包括在步骤1.3)之后,对定位准确性进行判别,通过采用交并比来验证目标边界框是否为目标位置,A是定位得到的边界框,B为真实标注框,IoU是A和B的交集占A和B的并集的比率,选取0.5作为阈值进行判断,即定位所得的边界框与标注框重合度大于等于0.5就认为定位正确,否则定位错误。4.根据权利要求1所述的基于弱监督定位和子类别相似性度量的细粒度车型识别方法,其特征在于:步骤2)具体包括:对于图像I...
【专利技术属性】
技术研发人员:戴兴华,王朝晖,刘纯平,钟珊,龚声蓉,
申请(专利权)人:苏州大学,
类型:发明
国别省市:江苏,32
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。