【技术实现步骤摘要】
车标分类模型的训练方法、车标识别方法、装置及设备
本申请涉及图像识别
，特别是涉及一种车标分类模型的训练方法、车标识别方法、装置及设备。
技术介绍
随着人们生活水平的日益提高，机动车数量也随之剧增，车管所车辆年检的工作量也随之增大，在车辆年检过程中车标识别是其中较重要的一环。早期的车标识别工作通常由人工进行判定，但其人力成本较高、受主观因素影响较大且效率较低。目前，人工智能领域得到广泛应用，利用人工智能的方式(如使用神经网络模型)来进行车标识别可大幅提高识别效率及准确度。在使用神经网络模型对车标进行识别之前，需要先对神经网络模型进行训练，传统技术通常是对车辆的档案图片进行车标标注，然后将这些图片及对应的标注输入神经网络模型进行训练。但是，传统技术的模型训练方法存在过拟合问题，当在车辆年检过程中采集的车辆图片车标区域不清晰时，使用训练完成的神经网络模型进行车标识别的准确度较低。
技术实现思路
基于此，有必要针对传统技术中使用训练完成的神经网络模型进行车标识别的准确度较低的问题，提供一种车标分类...
【技术保护点】
1.一种车标分类模型的训练方法，其特征在于，包括：/n获取多个训练样本图像，将所述多个训练样本图像中任两个训练样本图像按照预设的融合比例进行融合，得到融合样本图像；所述训练样本图像包括类别标签；/n将所述融合样本图像输入车标分类模型中进行分类处理，得到车标分类结果；/n分别计算所述车标分类结果与所述任两个训练样本图像的类别标签的第一分类损失和第二分类损失，将所述第一分类损失与所述第二分类损失按照所述融合比例进行融合，得到融合损失；/n根据所述融合损失对所述车标分类模型中的模型参数进行调整，以此循环训练直至所述车标分类模型达到收敛。/n
【技术特征摘要】
1.一种车标分类模型的训练方法，其特征在于，包括：
获取多个训练样本图像，将所述多个训练样本图像中任两个训练样本图像按照预设的融合比例进行融合，得到融合样本图像；所述训练样本图像包括类别标签；
将所述融合样本图像输入车标分类模型中进行分类处理，得到车标分类结果；
分别计算所述车标分类结果与所述任两个训练样本图像的类别标签的第一分类损失和第二分类损失，将所述第一分类损失与所述第二分类损失按照所述融合比例进行融合，得到融合损失；
根据所述融合损失对所述车标分类模型中的模型参数进行调整，以此循环训练直至所述车标分类模型达到收敛。
2.根据权利要求1所述的方法，其特征在于，所述将所述多个训练样本图像中任两个训练样本图像按照预设的融合比例进行融合，得到融合样本图像，包括：
将所述任两个训练样本图像中的第一训练样本图像与所述融合比例进行相乘，得到第一结果；
将所述任两个训练样本图像中的第二训练样本图像与所述融合比例的变形式进行相乘，得到第二结果；
将所述第一结果和所述第二结果进行相加，得到所述融合样本图像。
3.根据权利要求1或2所述的方法，其特征在于，所述车标分类结果为所述融合样本图像属于不同车标类别的概率向量；所述分别计算所述车标分类结果与所述任两个训练样本图像的类别标签的第一分类损失和第二分类损失，包括：
将所述任两个训练样本图像的类别标签分别进行one-hot变换，得到第一类别向量和第二类别向量；
计算所述车标分类结果与所述第一类别向量的所述第一分类损失，以及所述车标分类结果与所述第二类别向量的所述第二分类损失。
4.根据权利要求3所述的方法，其特征在于，所述将所述第一分类损失与所述第二分类损失按照所述融合比例进行融合，得到融合损失，包括：
将所述第一分类损失与所述融合比例进行相乘，得到第三结果；以及将所述第二分类损失与所述融合比例的变形式进行相乘，得到第四结果；
将所述第三结果和所述第四结果进行相加，得到所述融合损失。
5.根据权利要求2所述的方法，其特征在于，所述将所述多个训练样本图像中任两个训练样本图像按照预设的融合比例进行融合，得到融合样本图像，包括：
根据包含λxi+(1-λ)xj的关系式，得到所述融合样本图像；其中，所述λ为所述融合比例，所述xi为所述第一训练样本图像，所述xj为所述第二训练样本图像。
6.根据权利要求4所述的方法，其特征在于，所述将所...
【专利技术属性】
技术研发人员：周康明，申周，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31
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。