【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
【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
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。