一种基于随机擦除的车型识别方法技术

本发明专利技术公开了一种基于随机擦除的车型识别方法包括以下步骤：S1：将准备好的车型识别细粒度数据集按照比例划分为训练集Tr，验证集v和测试集te；S2：按照一定比例，用随机擦除算法对数据集进行预处理操作，生成训练集tr；S3：本算法采用的车辆特征提取网络时ResNeXt网络，将网络最后一层全连接层修改为Softmax分类器层；用ImageNet训练后得到的预处理模型，对ResNeXt网络进行初始化，得到ResNeXt权值的初始值；S4：用随机擦除扩充后的训练集tr，和验证集v，开始训练ResNeXt网络，得到训练后的模型；S5：用测试集te对训练好的ResNeXt网络模型进行测试，根据测试结果，微调训练参数，确定最优的参数值，得到测试正确率最高的网络模型，即为最终的车型识别模型。即为最终的车型识别模型。即为最终的车型识别模型。

A vehicle recognition method based on random erasure

【技术实现步骤摘要】
一种基于随机擦除的车型识别方法


[0001]本专利技术涉及车型识别
，具体为一种基于随机擦除的车型识别方法。

技术介绍

[0002]随着机器学习技术的发展，机器学习技术可以应用于众多应用领域(例如，智能交通应用领域)。车型识别技术是一种机器学习技术的应用，而且车型识别技术在智能交通应用领域中有着重要的地位。车型识别技术能够识别待查询车辆图像中车辆的车型信息，使得该识别出的车型信息能够作为日常交通管理、调度和统计的依据，如此使得车型识别技术具有广阔的市场前景和研究价值。其中，车型信息用于表征车辆所具有的特征信息(例如，车辆外形、颜色、品牌等中的至少一种信息)。然而，现有的一些随机擦除的车型，识别难度系数大。

技术实现思路

[0003]为了解决上述问题，本专利技术的目的在于提供一种基于随机擦除的车型识别方法。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于随机擦除的车型识别方法，包括以下步骤：
[0005]S1：将准备好的车型识别细粒度数据集按照比例划分为训练集Tr，验证集v和测试集te；
[0006]S2：按照一定比例，用随机擦除算法对数据集进行预处理操作，生成训练集tr；
[0007]S3：本算法采用的车辆特征提取网络时ResNeXt网络，将网络最后一层全连接层修改为Softmax分类器层；用ImageNet训练后得到的预处理模型，对ResNeXt网络进行初始化，得到ResNeXt权值的初始值；
[0008]S4：用随机擦除扩充后的训练集tr，和验证集v，开始训练ResNeXt网络，得到训练后的模型；
[0009]S5：用测试集te对训练好的ResNeXt网络模型进行测试，根据测试结果，微调训练参数，确定最优的参数值，得到测试正确率最高的网络模型，即为最终的车型识别模型。
[0010]优选的，所述步骤S2采用了随机擦除的方法对训练集和验证集进行预处理操作；首先需要确定随机擦除的概率p；在预处理中，对于每个批次的图像I，随机擦除的概率是p，图像保持不变的概率是1
‑
p；对每张进行随机擦除的图像，产生不同大小的随机擦除区域，相当于生成不同程度的遮挡；对于每张车辆图像来说，当图像的输出概率大于p，则直接输出原图像，否则进行随机擦除操作；在图像中，随机选择一个矩形区域I
e
，横纵比在规定的范围内，且矩形边不能越过图像边界；将矩形区域内的像素值擦除或填充为随机像素值。
[0011]优选的，所述随机擦除的算法流程包括以下步骤：
[0012]步骤1：设置随机擦除概率为p；设置初始参数值，输入图像的高为H，宽为W，面积为S＝H
×
W；设置随机初始化矩形区域面积的比例范围为(s
l
,s
h
)；设置随机初始化矩形区域的高宽比范围为(r1,r2)；
[0013]步骤2：输入图像I；
[0014]步骤3：初始化产生一个随机数p1，p1∈(0,1)；
[0015]步骤4：如果p1≥p，则保留原始图像I不变，直接作为I
*
输出；
[0016]步骤5：如果p1<p，则进行以下步骤，直至产生合适的随机擦除区域I
e
；
[0017]步骤5.1：随机生成矩形区域的面积值为S
e
，且随机生成矩形区域高宽比为r
e
，r
e
∈(r1,r2)；计算矩形区域的高宽
[0018]步骤5.2：在输入图像I中，随机初始化点P＝(x
e
,y
e
)，其中x
e
∈(0,W)，y
e
∈(0,H)；
[0019]步骤5.3：如果x
e
+W
e
≤W，且y
e
+H
e
≤H，则进行步骤5.4，否则重复步骤5.2，直至产生合适的矩形区域；
[0020]步骤5.4：计算随机擦除矩形区域I
e
＝(x
e
,y
e
,x
e
+W
e
,y
e
+H
e
)；
[0021]步骤5.4：将矩形区域I
e
内的每个像素的像素值设置为属于[0,255]的随机数，其他区域保持不变；这样就产生了随机擦除的车辆图像I
*
；
[0022]步骤6：输出图像I
*
。
[0023]优选的，所述步骤S4中采用的优化器选择是SGD，初始学习效率是0.0005，正则化参数是le
‑
4，动量是0.9；dropout rate设置是0.5，即随机丢失50％的参数，防止网络模型过拟合；批次数是32，迭代轮数是100轮。
[0024]优选的，还包括用于车型照片收集的摄像机，所述摄像机上设有用于拍照的摄像头，摄像机上设有用于摄像头上端遮挡的挡板，且摄像机上还设有可来回周期性运动且用于摄像头表面清理的刮板，所述刮板内侧设有固定连接的清理棉层，所述刮板一侧设有固定连接的调节轴，所述调节轴与摄像机一侧转动连接。
[0025]进一步的，所述摄像机内设有调节电机，位于摄像机内部的所述调节轴上设有调节齿轮，所述调节电机输出端与调节齿轮啮合。
[0026]进一步的，所述摄像机内部设有储水箱，所述储水箱内设有固定连接的泵送箱，所述调节轴延伸端穿过泵送箱，且调节轴延伸端与泵送箱一侧内部转动连接，所述泵送箱内设有可来回滑动的活塞板，所述调节轴外表面设有螺纹，且调节轴与活塞板之间通过螺纹连接，所述调节轴内部设有空心的导流孔，所述调节轴延伸端设有多个与导流孔相连通的排水孔，所述排水孔内设有单向排水阀，位于排水孔一侧的所述泵送箱设有相连通的进水管，所述进水管延伸设置在储水箱最底部，且进水管内设有单向进水阀，所述刮板内设有喷淋槽，所述喷淋槽与导流孔连通，所述刮板两侧设有对称分布且与喷淋槽相连通的喷淋孔。
[0027]更进一步的，位于排水孔与螺纹之间的所述调节轴上设有可压缩且用于螺纹密封的弹簧软管，所述弹簧软管延伸端与活塞板侧壁转动连接。
[0028]更进一步的，所述喷淋槽内还设有缓冲槽，所述缓冲槽内设有可来回滑动的调节板，且缓冲槽内设有多个固定连接的复位弹簧，所述复位弹簧延伸端与调节板之间固定连接。
[0029]与现有技术相比，本专利技术的有益效果如下：
[0030]1、提高了对随机擦除车型的识别效率。
[0031]2、刮板和清理棉层的设计，利用刮板的转动，带动清理棉层对摄像头进行除杂，能
够及时的保证摄像头拍摄的清晰度，保证收集照片的质量。泵送箱和调节轴的设计，利用调节轴的周期性来回转动，通过螺纹的特性，使活塞板在泵送箱内来回运动，这样形成了一个泵，能够将储水箱内的水压送至喷淋槽内，通过喷淋孔喷出，这样刮板在清洗的过程中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机擦除的车型识别方法，其特征在于，包括以下步骤：S1：将准备好的车型识别细粒度数据集按照比例划分为训练集Tr，验证集v和测试集te；S2：按照一定比例，用随机擦除算法对数据集进行预处理操作，生成训练集tr；S3：本算法采用的车辆特征提取网络时ResNeXt网络，将网络最后一层全连接层修改为Softmax分类器层；用ImageNet训练后得到的预处理模型，对ResNeXt网络进行初始化，得到ResNeXt权值的初始值；S4：用随机擦除扩充后的训练集tr，和验证集v，开始训练ResNeXt网络，得到训练后的模型；S5：用测试集te对训练好的ResNeXt网络模型进行测试，根据测试结果，微调训练参数，确定最优的参数值，得到测试正确率最高的网络模型，即为最终的车型识别模型。2.根据权利要求1所述的一种基于随机擦除的车型识别方法，其特征在于：所述步骤S2采用了随机擦除的方法对训练集和验证集进行预处理操作；首先需要确定随机擦除的概率p；在预处理中，对于每个批次的图像I，随机擦除的概率是p，图像保持不变的概率是1
‑
p；对每张进行随机擦除的图像，产生不同大小的随机擦除区域，相当于生成不同程度的遮挡；对于每张车辆图像来说，当图像的输出概率大于p，则直接输出原图像，否则进行随机擦除操作；在图像中，随机选择一个矩形区域I
e
，横纵比在规定的范围内，且矩形边不能越过图像边界；将矩形区域内的像素值擦除或填充为随机像素值。3.根据权利要求2所述的一种基于随机擦除的车型识别方法，其特征在于：所述随机擦除的算法流程包括以下步骤：步骤1：设置随机擦除概率为p；设置初始参数值，输入图像的高为H，宽为W，面积为S＝H
×
W；设置随机初始化矩形区域面积的比例范围为(s
l
,s
h
)；设置随机初始化矩形区域的高宽比范围为(r1,r2)；步骤2：输入图像I；步骤3：初始化产生一个随机数p1，p1∈(0,1)；步骤4：如果p1≥p，则保留原始图像I不变，直接作为I
*
输出；步骤5：如果p1<p，则进行以下步骤，直至产生合适的随机擦除区域I
e
；步骤5.1：随机生成矩形区域的面积值为S
e
，且随机生成矩形区域高宽比为r
e
，r
e
∈(r1,r2)；计算矩形区域的高宽步骤5.2：在输入图像I中，随机初始化点P＝(x
e
,y
e
)，其中x
e
∈(0,W)，y
e
∈(0,H)；步骤5.3：如果x
e
+W
e
≤W，且y
e
+H
e
≤H，则进行步骤5.4，否则重复步骤5.2，直至产生合适的矩形区域；步骤5.4：计算随机擦除矩形区域I
e
＝(x
e
,y
e
,x
e
+W
e
,y

【专利技术属性】
技术研发人员：董琪，胡昌辉，
申请(专利权)人：胡昌辉，
类型：发明
国别省市：