【技术实现步骤摘要】
基于图像识别的车型预测方法、装置、设备及介质
[0001]本专利技术涉及人工智能
,尤其涉及一种基于图像识别的车型预测方法、装置、 设备及介质。
技术介绍
[0002]目前,车辆零配件服务系统需要用户录入当前车辆的相关信息以匹配车辆零配件,当 前一般采用识别VIN码解析车型信息功能进行解析,以分析当前车辆的相关信息(例如车 辆的品牌、型号、年款、名称等),但在VIN码解析车型信息失败的情况下,只能依赖于 用户根据引导信息,手动逐层地选择录入车辆的相关信息,录入过程较为繁琐且耗费时间。
[0003]为解决上述问题,目前可实现通过预先训练的车型预测模型针对单一角度的车头图像 进行车型的智能预测,以无需用户手动录入车辆的相关信息,但在实际预测场景中,由于 不同用户在拍摄车头图像时,其拍摄角度可能与期望角度之间存在较大误差,因此若仅根 据单一角度的车头图像进行预测,会使模型预测结果受到角度误差的影响,导致当前车型 识别模型的准确率不高。
技术实现思路
[0004]本专利技术实施例提供一种基于图像识别的车型预测方法、装置、设备及介质,以解决当 前车型识别模型的准确率不高的问题。
[0005]一种基于图像识别的车型预测方法,包括:
[0006]获取用户终端上传的包含车辆识别号码的车辆图像,并通过OCR模型识别所述车辆图 像中的车辆识别号码;
[0007]对所述车辆识别号码进行校验,当校验通过时,将所述车辆识别号码与预先存储的车 型数据进行匹配;
[0008]若匹配失败 ...
【技术保护点】
【技术特征摘要】
1.一种基于图像识别的车型预测方法,其特征在于,包括:获取用户终端上传的包含车辆识别号码的车辆图像,并通过OCR模型识别所述车辆图像中的车辆识别号码;对所述车辆识别号码进行校验,当校验通过时,将所述车辆识别号码与预先存储的车型数据进行匹配;若匹配失败,则通过车型预测模块实时接收用户上传的视频流;其中,所述视频流中包括多帧不同角度的车头图像;调用预先训练好的目标车型预测模型对多帧所述车头图像进行车型预测,以输出车辆的车型预测信息;通过所述车辆识别号码对所述目标车型预测模型输出的车型预测信息进行修正,以输出目标车型信息,返回给所述用户终端。2.如权利要求1所述基于图像识别的车型预测方法,其特征在于,所述车型预测信息包括多个候选车辆品牌,每一所述候选车辆品牌对应细粒度车辆信息;所述通过所述对所述目标车型预测模型的输出信息进行修正,以输出目标车型信息,返回给所用户终端,包括:通过解析所述车辆识别号码,确定目标车辆品牌;基于所述目标车辆品牌,对所述多个候选车辆品牌进行过滤,以获取所述目标车型信息;其中,所述目标车型信息包括所述目标车辆品牌以及对应的所述细粒度车辆信息。3.如权利要求1所述基于图像识别的车型预测方法,其特征在于,调用预先训练好的目标车型预测模型对多帧所述车头图像进行识别,以输出车辆的车型预测信息,包括:将所述多帧车头图像逐帧输入至所述目标车型预测模型中进行车型预测,预测每帧所述车头图像对应的车型预测子信息;对多个所述车型预测子信息进行整合,以输出所述车型预测信息。4.如权利要求1所述基于图像识别的车型预测方法,其特征在于,在所述获取用户终端上传的包含车辆识别号码的车辆图像,并通过OCR模型识别所述车辆图像中的车辆识别号码之前,所述基于图像识别的车型预测方法还包括:获取样本数据集;其中,所述数据集包括不同车型对应的多角度车头图像;对所述样本数据集进行增噪处理,以扩充所述样本数据集;基于扩充后的样本数据集训练车型预测模型,以得到训练好的目标车型预测模型。5.如权利要求4所述基于图像识别的车型预测方法,其特征在于,所述车型预测模型包括特征提取模块以及特征分类模块;所述特征提取模块包括多个特征提取子单元以及拼接单元;所述基于扩充后的样本数据集训练车型预测模型,以得到训练好的目标车型预测模型,包括:将所述样本数据集划分为对应的训练集以及验证集;将所述训练集中的每一待训练图像分别输入至所述多个特征提取子单元,以提取所述待训练图像的多维度的图像特征;通过所述拼接单元拼接所述待训练图像不同维度的图像特征,并通过所述特征分类模块对拼接后的特征进行分类,以预测所述待训练图像对应的第一预测车型信息;通过交叉熵损失函数,基于所述第一预测车型信息以及预先标注好的所述待训练图像对应的真实车型信息,计算第一模型损失;
采用误差反向传播算法,基于所述第一模型损失优化所述车型预测模型,以得到原始车型预测模型;基于所述验证集对所述原始车型预测模型进行验证,获取所述验证集对应的预测准确率;当所述验证集对应的预测准确...
【专利技术属性】
技术研发人员:王思敏,
申请(专利权)人:深圳壹账通智能科技有限公司,
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。