针对任意视角汽车图片的细粒度车型识别方法技术

本发明专利技术公开了一种针对任意视角汽车图片的细粒度车型识别方法，用于解决现有车型识别方法车型识别准确率低的技术问题。技术方案是首先根据Stanford Cars数据集训练第一个分支网络，再对原始图片中的汽车区域进行定位，得到裁剪后的图片，使用裁剪后的图片训练第二个分支网络，利用Selective Search方法处理裁剪后的图片，得到多幅子图，使用第二个分支网络对这些子图进行筛选，将保留下来的图片送入第三个分支网络进行训练，然后确定每个分支网络的输出权重，将原始图片送入三个分支网络中，对网络的输出加权求和，最大输出值对应的类别即为车型类别。由于采用深度卷积神经网络提取特征，提高了车型识别的准确率。

A Fine-grained Vehicle Recognition Method for Auto Pictures with Arbitrary View Angle

【技术实现步骤摘要】
针对任意视角汽车图片的细粒度车型识别方法
本专利技术涉及一种车型识别方法，特别涉及一种针对任意视角汽车图片的细粒度车型识别方法。
技术介绍
随着科技的发展，汽车成为了越来越普遍的交通工具，随之而来的车辆管理的问题也凸显了出来。为了解决这个问题，智能交通系统应运而生，而作为智能交通系统重要组成部分的车型识别系统也成为了热门的研究内容。近些年提出的车型识别方法主要分为两大类：传统方法和深度学习方法。传统方法主要是利用一些人工设计的特征进行车型识别，例如MCNMSNagmode在文献“NagmodeMCNMS.VehicleClassificationusingSIFT[C]//InternationalJournalofEngineeringResearchandTechnology.ESRSAPublications,2014.”中提出使用SIFT特征进行车型识别。但是采用传统的人工设计的特征来描述图像，不能够很好的描述图像的高层语义信息，从而使得识别的准确率不能够很理想，并且特征表示的泛化能力较差。深度学习方法主要是利用卷积神经网络学习特征，从而利用学习到的特征进行车型识别分类，例如本文档来自技高网...

【技术保护点】
1.一种针对任意视角汽车图片的细粒度车型识别方法，其特征在于包括以下步骤：步骤一、先将数据集原始图片送入VGG网络中进行训练，训练具有识别n类车型能力的网络模型，所述网络模型的训练是在ImageNet上预训练好的网络模型的基础上进行finetuning训练，完成第一个分支网络的训练；步骤二、利用预训练好的faster r‑cnn模型，对数据集原始图片中的汽车区域进行定位，得到相应的bounding box，然后裁剪掉不必要的背景信息，得到裁剪后的汽车图片数据集；步骤三、将裁剪后的汽车图片数据集送入第二个VGG网络中，进行同步骤一类似的finetuning训练，得到训练好的第二个分支网络模型；步...

【技术特征摘要】
1.一种针对任意视角汽车图片的细粒度车型识别方法，其特征在于包括以下步骤：步骤一、先将数据集原始图片送入VGG网络中进行训练，训练具有识别n类车型能力的网络模型，所述网络模型的训练是在ImageNet上预训练好的网络模型的基础上进行finetuning训练，完成第一个分支网络的训练；步骤二、利用预训练好的fasterr-cnn模型，对数据集原始图片中的汽车区域进行定位，得到相应的boundingbox，然后裁剪掉不必要的背景信息，得到裁剪后的汽车图片数据集；步骤三、将裁剪后的汽车图片数据集送入第二个VGG网络中，进行同步骤一类似的finetuning训练，得到训练好的第二个分支网络模型；步骤四、对裁剪后的汽车图片数据集使用SS方法进行图片信息的挖掘，生成多幅子图，将生成的子图送入第二个训练好的VGG网络模型中，得到多个分类概率向量，若向量中的最大值大于0.5，则保留该子图，否则删除；然后将这些保留下来的子图送入第三个VGG网络中进行finetuning训练，得到第三个训练好的VGG网络模型；步骤五、步骤一到四得...

【专利技术属性】
技术研发人员：袁媛，王琦，郑全全，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61