【技术实现步骤摘要】
用于训练车辆识别模型的方法、车辆识别方法和计算设备
[0001]本专利技术涉及图像识别
，更具体地，涉及用于训练车辆识别模型的方法、车辆识别方法和计算设备。
技术介绍
[0002]随着城市汽车数量的不断攀升，由此带来的交通和环境问题也日渐加剧。为了应对这些问题，智能交通系统已经成为城市发展的重点研究对象。而在智能交通系统中，对于车辆的细粒度识别，已经被证明是一项关键技术，在处理包括提高收费效率、裁定交通责任和追踪肇事逃逸等等交通问题上有着得天独厚的优势。因此，车型识别成为计算机视觉领域的一个研究热点，在交通安全、卡口管理、车流统计等方面有着广泛应用，对于智能交通系统的建设具有重要的意义。
[0003]现有的车型识别技术对于存在遮挡、画面不全的车辆的识别效果不理想，而这种现象在车流量大、道路拥堵时普遍存在。
[0004]因此，需要一种新型的用于训练车辆识别模型的方法、车辆识别方法和计算设备，以解决上述问题和其他问题。
技术实现思路
[0005]为了解决上述问题而提出了本专利技术。根据本专利...
【技术保护点】
【技术特征摘要】
1.一种用于训练车辆识别模型的方法，其特征在于，所述方法包括：获取车辆的初始训练图像，对所述初始训练图像进行部分切除处理，得到处理后的训练图像；基于所述初始训练图像和所述处理后的训练图像来训练车辆识别模型，以得到训练后的车辆识别模型，其中所述训练后的车辆识别模型用于基于待识别的车辆图像中待识别车辆的局部特征来识别所述待识别车辆。2.如权利要求1所述的方法，其特征在于，其中对所述初始训练图像进行部分切除处理，得到处理后的训练图像的步骤包括：在所述初始训练图像的四个角中的一个或更多个角处对所述初始训练图像进行部分切除处理，得到所述处理后的训练图像。3.如权利要求2所述的方法，其特征在于，其中对所述初始训练图像进行部分切除处理，得到处理后的训练图像的步骤包括：在所述初始训练图像的四个角处各选择一小矩形，其中所述小矩形的长、宽占所述初始训练图像的长、宽的比例是预设的；在任一小矩形的区域内随机选取一个点，以某一角度画一条直线，使得所述直线通过所述点；以及将所述直线与所述小矩形的边所围成的区域切除，所切除的区域用随机色块填充，以得到所述处理后的训练图像。4.如权利要求1
‑
3中任一项所述的方法，其特征在于，其中所述车辆识别模型包括自动编解码器和识别器，其中基于所述初始训练图像和所述处理后的训练图像来训练车辆识别模型包括：由所述自动编解码器和所述识别器对所述初始训练图像和所述处理后的训练图像进行处理，得到多个损失函数，基于所述多个损失函数对所述车辆识别模型进行训练，得到训练后的车辆识别模型。5.如权利要求4所述的方法，其特征在于，其中所述自动编解码器包括第一自动编解码器和第二自动编解码器，所述第一自动编解码器包括第一编码器和第一解码器，所述第二自动编解码器包括第二编码器和第二解码器，所述多个损失函数包括第一损失函数、第二损失函数和第三损失函数，其中基于所述初始训练图像和所述处理后的训练图像来训练车辆识别模型包括：将所述初始训练图像和所述处理后的训练图像分别输入所述第一编码器和所述第二编码器，得到所述初始训练图像的第一特征图和所述处理后的训练图像的第二特征图；将所述第一特征图和所述第二特征图分别输入所述第一解码器和所述第二解码器，分别得到与所述初始训练图像相对应的第一还原图像和与所述处理后的训练图像相对应的第二还原图像；将所述第一特征图和所述第二特征图输入所述识别器，得到第一预测车型和第二预测车型；基于所述第一特征图和所述第二特征图计算所述第一损失函数，基于所述第一还原图像和所述初始训练图像计算所述第二损失函数，基于第一预测车型、第二预测车型和地面实况车型计算所述第三损失函数；以及
基于所述第一损失函数、所述第二损失函数和所...
【专利技术属性】
技术研发人员：贾若然，傅云翔，陈向阳，杨文康，王光新，杨昌东，李亚玲，曹玲玲，
申请(专利权)人：讯飞智元信息科技有限公司，
类型：发明
国别省市：
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。