车型识别方法、装置、电子设备及存储介质制造方法及图纸

本公开涉及图像处理技术领域，应用于智慧交通领域中，揭露了一种车型识别方法、装置、电子设备及存储介质，该车型识别方法包括：获取包含目标车辆的目标图像；调用特征提取网络提取所述目标图像的第一特征图矩阵；调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。本公开可以提高车型识别的准确率。

【技术实现步骤摘要】
车型识别方法、装置、电子设备及存储介质
本公开涉及图像处理
，尤其涉及一种车型识别方法、装置、电子设备及存储介质。
技术介绍
在交通管理相关的领域中，许多应用场景(例如：车流统计、安防追踪)会需要识别出车辆的型号。由于车型种类繁多，且许多车型之间从外形或者车标来看十分相似，因此只有在识别车型时保证提取出具有足够表达能力的图像特征才能高准确度地进行车型识别。而现有技术中，在识别车型时对于车辆的细节特征的提取能力不足，造成了所提取出的图像特征的表达能力存在一定程度的匮乏，从而导致车型识别的准确率无法进一步提高。
技术实现思路
本公开提供一种车型识别方法、装置、电子设备及存储介质，其主要目的在于提高车型识别的准确率。为实现上述目的，本公开提供的一种车型识别方法，包括：获取包含目标车辆的目标图像；调用特征提取网络提取所述目标图像的第一特征图矩阵；调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；调用区域生成网络对所述第二特征图矩阵进本文档来自技高网...

【技术保护点】
1.一种车型识别方法，其特征在于，所述方法包括：/n获取包含目标车辆的目标图像；/n调用特征提取网络提取所述目标图像的第一特征图矩阵；/n调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；/n调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；/n基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；/n基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。/n

【技术特征摘要】
1.一种车型识别方法，其特征在于，所述方法包括：
获取包含目标车辆的目标图像；
调用特征提取网络提取所述目标图像的第一特征图矩阵；
调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；
调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；
基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；
基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。


2.如权利要求1所述的方法，其特征在于，所述特征提取网络为SpineNet网络。


3.如权利要求2所述的方法，其特征在于，所述至少两个注意力网络包括第一注意力网络以及第二注意力网络，调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵，包括：
将所述第一特征图矩阵输入所述第一注意力网络，并将所述第一注意力网络的输出输入第一卷积层，得到所述第一卷积层输出的第一卷积结果；
将所述第一特征图矩阵输入所述第二注意力网络，并将所述第二注意力网络的输出输入第二卷积层，得到所述第二卷积层输出的第二卷积结果；
将所述第一卷积结果与所述第二卷积结果进行求和，得到所述第二特征图矩阵。


4.如权利要求3所述的方法，其特征在于，所述第一注意力网络为Channel注意力网络，所述第二注意力网络为Spatial注意力网络。


5.如权利要求1所述的方法，其特征在于，对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵，包括：
对所述第二特征图矩阵进行回归处理，得到各第一候选框的坐标矩阵；
对所述第二特征图矩阵进行分类处理，得到所述各第一候选框的类别矩阵；
基于所述坐标矩阵以及所述类别矩阵对所述各第一候选框进行非极大值抑制处理，得到筛选出的各第二候选框；
基于所述各第二候选框对所述第二特征图矩阵进行切割处理，得到所述各候选框特征图矩阵。


6.如权利要求1所述的方法，其特征在于，基于...

【专利技术属性】
技术研发人员：吴晓东，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44