【技术实现步骤摘要】
一种车辆细粒度识别的方法及装置
本专利技术涉及图像检索
,具体涉及一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法、装置、终端设备及计算机可读介质。
技术介绍
车辆细粒度识别是计算机视觉领域的一个重要研究方向。相同车型的车辆识别对于传统方法难度较大,因为往往同类车辆之间的差异十分微小。不同之处可能仅仅在于其之上的年检标志,或者是车内某些小装饰。伴随着最近几年深度学习的兴起,很多研究者基于此也尝试将深度学习应用于目标检测识别领域。其中细粒度级别图像分析是针对此类问题的一项计算机视觉领域热门研究课题,其目标是对上述细粒度级别图像中的物体子类进行定位、识别及检索等若干视觉分析任务的研究,具有真实场景下广泛的应用价值。与此同时,随着智能城市的不断推进,城市的道路交通安全越来越受到人们的重视。然而,现有车辆图像检索算法对同类型车识别率不高,信息提取不清晰。
技术实现思路
有鉴于此,本专利技术提供了一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别方法、装置、计算机设备及存储介质,用以解决现有技术对于需要搜索信息的车辆图像定位不准确,信息提取不清晰等问题。本专利技术实施例的第一方面提供了一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法,包括:构建多注意力卷积神经网络模型,并对所述多注意力卷积神经网络模型进行预训练;对训练数据集进行多尺度区域信息标注,得到第一训练数据集;基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进 ...
【技术保护点】
1.一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别方法,其特征在于,包括:/n构建多注意力卷积神经网络模型,并对所述多注意力卷积神经网络模型进行预训练;/n对训练数据集进行多尺度区域信息标注,得到第一训练数据集;/n基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理,得到第二训练数据集;/n采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值,得到训练之后的多注意力卷积神经网络模型;/n将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别,获得与所述待识别车辆图像同类型的目标车辆图像。/n
【技术特征摘要】
1.一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别方法,其特征在于,包括:
构建多注意力卷积神经网络模型,并对所述多注意力卷积神经网络模型进行预训练;
对训练数据集进行多尺度区域信息标注,得到第一训练数据集;
基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理,得到第二训练数据集;
采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值,得到训练之后的多注意力卷积神经网络模型;
将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别,获得与所述待识别车辆图像同类型的目标车辆图像。
2.根据权利要求1所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法,其特征在于,所述多注意力卷积神经网络模型包括基础网络层、通道聚类层和局部分类子网络层。
3.根据权利要求2所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法,其特征在于,所述基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理的步骤,包括:
根据所述第一训练数据集图片中多尺度区域互相包含的关系对检测的结果进行包围盒约束算法优化,筛选出图片中包含目标物体和多尺度目标中心的检测框;
采用FASTER-RCNN提取包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
4.根据权利要求1所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法,其特征在于,所述采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值的步骤,包括:
所述第二训练数据集中的图像输入多注意力卷积神经网络模型,通过所述多注意力卷积神经网络模型模型最后一层激活卷积层提取图像特征后,输出n个二维特征映射,每个特征映射分布式表示有多个激活响应的特征显著性区域;
将所述n个二维特征映射叠加,并设定一个阈值,选取叠加后激活响应高于阈值的区域,得到一个掩映图;
采用双三次插值的方法调整所述掩映图的大小,使其与输入图像同样大小,并将掩映图覆盖到输入图像上;
选取所述掩映图中所占面积最大的激活响应高于阈值的区域,该区域在输入图像中所对应的区域即为图像主要目标对象位置,激活响应特征即为目标对象的特征。
5.一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置,其特征在于,包括:
模型构建模块,构建多注意力卷积神经网络模型,并对所述多注意力卷积神经网络模型进行预训练;
第...
【专利技术属性】
技术研发人员:张斯尧,罗茜,王思远,蒋杰,张诚,李乾,谢喜林,黄晋,
申请(专利权)人:深圳久凌软件技术有限公司,
类型:发明
国别省市:广东;44
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。