轻量化车辆颜色检测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及目标检测技术领域，具体公开了一种轻量化车辆颜色检测方法、装置及存储介质，包括：获取待识别车辆图像信息；对待识别车辆图像信息进行预处理，获得预处理图像；将预处理图像输入至车辆颜色识别网络模型中进行识别，获得车辆颜色识别结果，其中车辆颜色识别网络模型为将带有标签的车辆训练图像集输入至预设轻量化网络模型训练得到的，预设轻量化网络模型包括特征提取网络、特征融合网络和检测头网络，特征提取网络包括用于特征提取的轻量化网络模型，特征融合网络包括用于特征融合的特征融合模型，检测头网络包括用于计算预测框与实际框之间差距的多变量损失函数模型。本发明专利技术提供的轻量化车辆颜色检测方法适用于低算力移动端设备。低算力移动端设备。低算力移动端设备。

【技术实现步骤摘要】
轻量化车辆颜色检测方法、装置及存储介质


[0001]本专利技术涉及目标检测
，尤其涉及一种轻量化车辆颜色检测方法、轻量化车辆颜色检测装置及存储介质。

技术介绍

[0002]针对车辆外观颜色检测这个问题，在一些简单的场景下传统检测算法还具有不错的检测效果，但随着检测场景中的车辆数量日益增多，场景愈发复杂，例如：光照强度瞬间变化、车辆相互遮挡、车辆非刚性形变等问题给车辆检测带来了很大的阻力，使得传统检测算法无法胜任如今实际场景的检测。
[0003]除了车辆外观问题外，还需要考虑算法的实时性以及模型参数量大小。因为现在越来越多低算力移动端设备开始作为检测硬件，因此，如何能够提供一种适用于移动端设备的低算力检测方法成为本领域技术人员亟待解决的技术问题。

技术实现思路

[0004]本专利技术提供了一种轻量化车辆颜色检测方法、轻量化车辆颜色检测装置及存储介质，解决相关技术中存在的车辆颜色检测方法计算量大无法适用于低算力移动端设备的问题。
[0005]作为本专利技术的第一个方面，提供一种轻量化车辆颜色检测方法，其中，包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量化车辆颜色检测方法，其特征在于，包括：获取待识别车辆图像信息；对所述待识别车辆图像信息进行预处理，获得预处理图像；将所述预处理图像输入至车辆颜色识别网络模型中进行识别，获得车辆颜色识别结果，其中所述车辆颜色识别网络模型为将带有标签的车辆训练图像集输入至预设轻量化网络模型训练得到的，所述预设轻量化网络模型包括特征提取网络、特征融合网络和检测头网络，所述特征提取网络包括用于特征提取的轻量化网络模型，所述特征融合网络包括用于特征融合的特征融合模型，所述检测头网络包括用于计算预测框与实际框之间差距的多变量损失函数模型，所述多变量损失函数模型包括至少两个不同变量的损失函数。2.根据权利要求1所述的轻量化车辆颜色检测方法，其特征在于，还包括：根据预设轻量化网络模型对输入的带有标签的车辆训练图像集进行训练，获得车辆颜色识别网络模型。3.根据权利要求2所述的轻量化车辆颜色检测方法，其特征在于，所述预设轻量化网络模型包括YOLOv5s目标检测模型，根据预设轻量化网络模型对输入的带有标签的车辆训练图像集进行训练，包括：根据至少一种类型的轻量化网络结构分别对所述带有标签的车辆训练图像集进行特征提取，获得提取特征；对提取特征进行特征融合，获得融合特征；根据所述融合特征进行车辆颜色预测，获得预测框；根据多变量损失函数对所述预测框与实际框之间的差值进行优化训练。4.根据权利要求3所述的轻量化车辆颜色检测方法，其特征在于，根据至少一种类型的轻量化网络结构分别对所述带有标签的车辆训练图像集进行特征提取，获得提取特征，包括：对所述带有标签的车辆训练图像集进行卷积操作；根据卷积操作的结果进行归一化处理，获得归一化处理结果；根据h
‑
Swish激活函数对所述归一化处理结果进行激活，获得激活处理结果，其中h
‑
Swish激活函数的公式为：；将激活处理结果输入至Mobilenetv3中进行轻量化特征提取处理，获得提取特征。5.根据权利要求3所述的轻量化车辆颜色检测方法，其特征在于，根据至少一种类型的轻量化网络结构分别对所述带有标签的车辆训练图像集进行特征提取，获得提取特征，包括：对所述带有标签的车辆训练图像集进行卷积操作；根据卷积操作的结果进行归一化处理，获得归一化处理结果；根据ReLU激活函数对所述归一化处理结果进行激活，获得激活处理结果，其中ReLU激活函数的公式为：；将激活处理结果输入至Shufflenet中进行轻量化特征提取处理，获得提取特征。
6.根据权利要求3所述的轻量化车辆颜色检测方法，其特征在于，根据至少一种类型的轻量化网络结构分别对所述带有标签的车辆训练图像集进行特征提取，获得提取特征，包括：将所述带有标签的车...

【专利技术属性】
技术研发人员：孙俊，招瀚操，
申请(专利权)人：匀熵智能科技无锡有限公司，
类型：发明
国别省市：