用于识别车辆所属类别的方法和装置制造方法及图纸

本申请实施例公开了用于识别车辆所属类别的方法和装置。该方法的一具体实施方式包括：获取待识别车辆图像；将该待识别车辆图像输入至预先训练的车标检测模型，得到车标信息，其中，品牌下包括至少一个车系；将该待识别车辆图像输入至预先训练的车系检测模型，得到车系信息，其中，该车系信息用于指示该待识别车辆图像呈现的车辆所属的车系；基于所得到的车标信息和车系信息的匹配，生成车辆类别信息，其中，该车辆类别信息用于指示该待识别车辆图像呈现的车辆所属的品牌和车系。该实施方式有效提升了在车辆外观容易混淆且汽车角度丰富的应用场景下的识别准确率，进而为召回高匹配度的结果提供保障。

【技术实现步骤摘要】
用于识别车辆所属类别的方法和装置
本申请实施例涉及计算机
，具体涉及用于识别车辆所属类别的方法和装置。
技术介绍
随着人工智能技术的飞速发展，各种图像识别技术也取得了越来越广泛的应用。针对用户生产内容(usergeneratedcontent,UGC)的车辆识别和检索场景，现有技术通常是对用户拍摄的图片提取传统几何特征(如SIFT、SURF特征)或通过CNN(Convolutionalneuralnetwork,卷积神经网络)提取向量特征，再通过对上述特征的筛选和比较得到对应的车辆识别结果和相近的车辆图像。
技术实现思路
本申请实施例提出了用于识别车辆所属类别的方法和装置。第一方面，本申请实施例提供了一种用于识别车辆所属类别的方法，该方法包括：获取待识别车辆图像；将待识别车辆图像输入至预先训练的车标检测模型，得到至少一个车标信息，其中，车标信息包括用于指示待识别车辆图像呈现的车辆所属的品牌的信息，品牌下包括至少一个车系；将待识别车辆图像输入至预先训练的车系检测模型，得到至少一个车系信息，其中，车系信息用于指示待本文档来自技高网...

【技术保护点】
1.一种用于识别车辆所属类别的方法，包括：/n获取待识别车辆图像；/n将所述待识别车辆图像输入至预先训练的车标检测模型，得到至少一个车标信息，其中，所述车标信息包括用于指示所述待识别车辆图像呈现的车辆所属的品牌的信息，所述品牌下包括至少一个车系；/n将所述待识别车辆图像输入至预先训练的车系检测模型，得到至少一个车系信息，其中，所述车系信息用于指示所述待识别车辆图像呈现的车辆所属的车系；/n基于所得到的车标信息和车系信息的匹配，生成车辆类别信息，其中，所述车辆类别信息用于指示所述待识别车辆图像呈现的车辆所属的品牌和车系。/n

【技术特征摘要】
1.一种用于识别车辆所属类别的方法，包括：
获取待识别车辆图像；
将所述待识别车辆图像输入至预先训练的车标检测模型，得到至少一个车标信息，其中，所述车标信息包括用于指示所述待识别车辆图像呈现的车辆所属的品牌的信息，所述品牌下包括至少一个车系；
将所述待识别车辆图像输入至预先训练的车系检测模型，得到至少一个车系信息，其中，所述车系信息用于指示所述待识别车辆图像呈现的车辆所属的车系；
基于所得到的车标信息和车系信息的匹配，生成车辆类别信息，其中，所述车辆类别信息用于指示所述待识别车辆图像呈现的车辆所属的品牌和车系。


2.根据权利要求1所述的方法，其中，所述基于所得到的车标信息和车系信息的匹配，生成车辆类别信息，包括：
基于所得到的车系信息所指示的车系是否属于所得到的车标信息所指示的品牌，生成车辆类别信息。


3.根据权利要求1所述的方法，其中，所得到的车标信息和车系信息分别对应有置信度；以及
所述基于所得到的车标信息和车系信息的匹配，生成车辆类别信息，包括：
响应于确定所得到的车标信息对应的置信度大于第一预设阈值，从所得到的至少一个车系信息中选取用于指示属于所述车标信息所指示的品牌的车系的车系信息作为候选车系信息；
基于所选取的候选车系信息对应的置信度是否大于第二预设阈值，生成车辆类别信息。


4.根据权利要求3所述的方法，其中，所述基于所选取的候选车系信息对应的置信度是否大于第二预设阈值，生成车辆类别信息，包括：
从所选取的候选车系信息对应的置信度中选取最大的置信度作为目标置信度；
响应于确定所述目标置信度大于所述第二预设阈值，生成与所述目标置信度对应的车系信息所指示的车系一致的车辆类别信息。


5.根据权利要求3所述的方法，其中，所述基于所得到的车标信息和车系信息的匹配，生成车辆类别信息，包括：
响应于确定所得到的车标信息对应的置信度中的最大值不大于所述第一预设阈值，根据所得到的车系信息对应的置信度是否大于第三预设阈值，生成车辆类别信息，其中，所述第三预设阈值大于所述第二预设阈值。


6.根据权利要求1所述的方法，其中，车标信息还包括用于指示待识别车辆图像未呈现车辆所属的品牌的信息；用于训练所述车标检测模型的训练样本包括负样本，所述负样本包括不包含车标图像的样本图像和对应的负标签，所述不包含车标图像的样本图像包括以下至少一项：车辆侧面图像，车辆内饰图像，车辆部件图像。


7.根据权利要求1所述的方法，其中，所述车系检测模型通过如下步骤训练得到：
获取预先训练的准车系检测模型，其中，所述准车系检测模型用于表征待识别车辆图像与至少一个车系信息之间的对应关系；
获取初始车系检测模型，其中，所述初始车系检测模型的复杂度小于所述准车系检测模型的复杂度；
获取车系训练样本集合，其中，所述车系训练样本集合中的训练样本包括样本待识别图像和对应的样本标注信息，所述样本标注信息包括用于指示样本待识别图像呈现的车辆所属的车系的信息；
利用所述车系训练样本集合训练所述初始车系检测模型，以使所述初始车系检测模型的参数基于预设的损失函数进行调整，其中，所述损失函数与所述初始车系检测模型和所述准车系检测模型针对同一训练样本的输出结果之间的距离呈正相关；
响应于确定满足预设的训练结束条件，将参数调整后的初始车系检测模型确定为所述车系检测模型。


8.根据权利要求7所述的方法，其中，所述损失函数与属于相同车系的样本待识别图像之间的相似度呈负相关，与属于不同车系的样本待识别图像之间的相似度呈正相关。


9.根据权利要求1-8之一所述的方法，其中，所述方法还包括：
利用所述车系检测模型提取所述待识别车辆图像的特征向量；
从预设的车辆信息索引库中选取第一目标数目张与所述待识别车辆图像的特征向量匹配的车辆信息，其中，所述车辆信息索引库中的车辆信息包括车辆展示图像和车辆图像特征向量；
在所述待识别车辆图像的显示界面上展示以下至少一项：所述车辆类别信息，所述匹配的车辆信息的车辆展示图像。


10.根据权利要求9所述的方法，其中，所述车辆信息索引库中的车辆信息还包括目标视频信息和车辆类别...

【专利技术属性】
技术研发人员：王睿，王鑫尘，王长虎，邵杰，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11