【技术实现步骤摘要】
车辆年款识别模型的训练方法以及车辆年款的识别方法
本专利技术涉及车辆识别
，具体涉及一种车辆年款识别模型的训练方法以及车辆年款的识别方法。
技术介绍
车辆已成为现代生活必不可少的交通工具。作为一种重要载体与替代行为工具，车辆的信息的监控与识别也成为智能交通与平安城市的重要课题。对车辆数据进行智能分析，一方面可以便捷交通管理，如停车场卡口的车牌识别；另一方面可以有效协助交通管制，如违规车辆、套牌车辆的捕获与信息记录，涉交通事故、犯罪车辆的追踪等。卷积神经网络(ConvolutionalNeuralNetworks,CNN)因其不受目标平移、缩放、倾斜及其他一定程度的形变的影响，已广泛应用于图像模式识别中，包括车辆属性识别，许多专家学者也就此技术发表了不少著作。其中，为了克服由于卷积神经网络(ConvolutionalNeuralNetworks,简称CNN)深度的增加而产生的学习效率低，准确率无法有效提升的问题，深度残差网络(Deepresidualnetwork，简称ResNet)在2015年被提出且迅...
【技术保护点】
1.一种车辆年款识别模型的训练方法，其特征在于，包括：/n获取带标注信息的车辆样本图像；其中，所述标注信息包括所述车辆样本图像中的车辆品牌以及年款；/n将所述车辆样本图像输入特征提取模块中，以得到所述车辆样本图像的至少2组特征；/n基于所述至少2组特征，得到对应于每组特征的感兴趣区域及其得分值；/n将所述感兴趣区域以及所述车辆样本图像融合后输入分类模块中，以得到所述样本图像的整图分类特征、所述感兴趣区域的特征以及整图与所述感兴趣区域的融合后的特征；其中，所述车辆年款识别模型包括所述特征提取模块以及所述分类模块；/n根据所述样本图像的整图分类特征、所述感兴趣区域的特征、整图与...
【技术特征摘要】
1.一种车辆年款识别模型的训练方法，其特征在于，包括：
获取带标注信息的车辆样本图像；其中，所述标注信息包括所述车辆样本图像中的车辆品牌以及年款；
将所述车辆样本图像输入特征提取模块中，以得到所述车辆样本图像的至少2组特征；
基于所述至少2组特征，得到对应于每组特征的感兴趣区域及其得分值；
将所述感兴趣区域以及所述车辆样本图像融合后输入分类模块中，以得到所述样本图像的整图分类特征、所述感兴趣区域的特征以及整图与所述感兴趣区域的融合后的特征；其中，所述车辆年款识别模型包括所述特征提取模块以及所述分类模块；
根据所述样本图像的整图分类特征、所述感兴趣区域的特征、整图与所述感兴趣区域的融合后的特征以及每个所述感兴趣区域的得分值，计算损失函数值；
基于所述车辆样本图像的标注信息以及所述损失函数值，对所述特征提取模块以及所述分类模块的参数进行更新，以优化所述车辆年款识别模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述至少2组特征，得到对应于每组特征的感兴趣区域及其得分值，包括：
分别利用每组特征，生成对应于每组特征的多个候选区域；
基于所述多个候选区域，生成对应于每组特征的感兴趣区域及其得分值。
3.根据权利要求2所述的方法，其特征在于，所述基于所述多个候选区域，生成对应于每组特征的感兴趣区域及其得分值，包括：
计算每个所述候选区域的得分值；
确定所述得分值最高的候选区域为所述感兴趣区域。
4.根据权利要求1所述的方法，其特征在于，所述将所述感兴趣区域以及所述车辆样本图像融合后输入分类模块中，以得到所述样本图像的整图分类特征、所述感兴趣区域的特征以及整图与所述感兴趣区域融合后的特征，包括：
将所述感兴趣区域以及所述车辆样本图像融合后输入分类模块中；其中，所述分类模块的输出为所述车辆样本图像的年款分类；
提取所述分类模块的最后一层池化层的输出，以得到所述车辆样本图像的整体特征；
对所述车辆样本图像的整体特征进行分割，以得到所述样本图像的整图分类特征以及所述感兴趣区域的特征。
5.根据权利要求1所述的方法，其特征在于，所述根据所述样本图像的整图分类特征、所述感兴趣区域的特征、整图与所述感兴趣区域的融合后的特征以及每个所述感兴趣区域的得分值，计算损失函数值，包括：
将所述样本图像的整图特征与所述感兴趣区域的特征进行融合，以得到融合特征；
基于所述融合特征，计算融合损失函数值；
利用所述感兴趣区域的特征，计算部件损失函数值；
利用所述样本图像的整图分类特征，计算整图损失...
【专利技术属性】
技术研发人员：叶丹丹，晋兆龙，邹文艺，
申请(专利权)人：苏州科达科技股份有限公司，
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。