【技术实现步骤摘要】
特征向量转换模型处理方法、装置、服务器及存储介质
本申请属于机器学习
，尤其涉及一种特征向量转换模型处理方法、装置、服务器及存储介质。
技术介绍
目前，车辆识别技术已经越来越多地应用到道路交通等领域中。基于识别模型对包括车辆的影像数据进行特征向量的提取，将提取的特征向量与特征向量库进行匹配，以实现对车辆的识别，已经成为比较常见的车辆识别技术。然而，实际应用中，识别模型可能会存在多种，同一车辆的影像数据通过不同识别模型提取出的特征向量之间也会存在差距。换而言之，不同识别模型提取出的特征向量存在数据割裂的情况，导致难以准确对车辆进行识别。
技术实现思路
本申请实施例提供一种特征向量转换模型处理方法、装置、服务器及存储介质，以解决相关技术中不同识别模型提取出的特征向量存在数据割裂的情况，导致难以准确对车辆进行识别的问题。第一方面，本申请实施例提供一种特征向量转换模型处理方法，方法包括：将预设的训练样本集分别输入到N个车辆识别模型中，输出初始特征向量集，N为大于1的整数；对初...
【技术保护点】
1.一种特征向量转换模型处理方法，其特征在于，包括：/n将预设的训练样本集分别输入到N个车辆识别模型中，输出初始特征向量集，N为大于1的整数；/n对所述初始特征向量集进行特征向量融合处理，得到目标特征向量集，所述目标特征向量集与所述初始特征向量集之间的相似度大于或等于第一相似度阈值；/n根据所述初始特征向量集与所述目标特征向量集，分别建立与每一所述车辆识别模型关联的目标特征向量转换模型。/n
【技术特征摘要】
1.一种特征向量转换模型处理方法，其特征在于，包括：
将预设的训练样本集分别输入到N个车辆识别模型中，输出初始特征向量集，N为大于1的整数；
对所述初始特征向量集进行特征向量融合处理，得到目标特征向量集，所述目标特征向量集与所述初始特征向量集之间的相似度大于或等于第一相似度阈值；
根据所述初始特征向量集与所述目标特征向量集，分别建立与每一所述车辆识别模型关联的目标特征向量转换模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始特征向量集与所述目标特征向量集，分别建立与每一所述车辆识别模型关联的目标特征向量转换模型之后，所述方法还包括：
获取第一特征向量，所述第一特征向量为基于车辆识别模型对包括车辆的影像数据进行特征提取得到；
确定与所述车辆识别模型关联的目标特征向量转换模型；
基于与所述车辆识别模型关联的目标特征向量转换模型对所述第一特征向量进行转换，得到第二特征向量；
基于预设的特征向量库对所述第二特征向量进行匹配，得到对所述车辆的识别结果。
3.根据权利要求1所述的方法，其特征在于，所述对所述初始特征向量集进行特征向量融合处理，得到目标特征向量集，包括：
将所述初始特征向量集输入到特征融合模型中，输出中间特征向量集；
在所述中间特征向量集与所述初始特征向量集之间的相似度小于所述第一相似度阈值的情况下，调整所述特征融合模型关联的参数，并返回执行所述将所述初始特征向量集输入到特征融合模型中，输出中间特征向量集的步骤；
在所述中间特征向量集与所述初始特征向量集之间的相似度大于或等于第一相似度阈值的情况下，将所述中间特征向量集确定为所述目标特征向量集。
4.根据权利要求1所述的方法，其特征在于，所述根据所述初始特征向量集与所述目标特征向量集，分别建立与每一所述车辆识别模型关联的目标特征向量转换模型，包括：
获取第一特征向量集，所述第一特征向量集为将所述预设的训练样本集输入到第一车辆识别模型，输出得到的特征向量集，所述第一车辆识别模型为所述N个车辆识别模型中的任一车辆识别模型；
基于所述第一特征向量集与所述目标特征向量集，对预先建立的初始特征向量转换模型进行训练，得到与所述第一车辆识别模型关联的目标特征向量转换模型。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一特征向量集与所述目标特征向量集，对预先建立的初始特征向量转换模型进行训练，得到与所述第一车辆识别模型关联的目标特征向量转换模型，包括：
将所...
【专利技术属性】
技术研发人员：马晓龙，曾海文，
申请(专利权)人：长沙海信智能系统研究院有限公司，
类型：发明
国别省市：湖南;43
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。