System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,特别是涉及一种车辆重识别方法、装置、设备、存储介质和程序产品。
技术介绍
1、随着图像处理
的发展,基于图像的目标检测模型可以在多个行业内发挥重要作用。例如,基于图像的车辆重识别模型,可以对接收到的车辆图像进行处理并输出车辆重识别结果,该车辆重识别结果能够表征待检测车辆图像中的车辆,与目标车辆图像中的车辆是否为同一车辆。
2、但是,目前的车辆重识别模型,通常是基于提取到的车辆抽象特征进行特征对比,从而得到车辆重识别结果,车辆重识别结果的可解释性不高。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高车辆重识别结果的可解释性的车辆重识别方法、装置、设备、存储介质和程序产品。
2、第一方面,本申请提供了一种车辆重识别方法,包括:
3、获取两个待比对图像;其中,待比对图像中包含车辆;
4、基于属性识别网络,确定各待比对图像的属性描述数据和相应的属性特征数据;
5、基于图像识别网络,提取各待比对图像中的车辆,得到各待比对图像的车辆特征数据;
6、根据各待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各待比对图像中的车辆是否相同。
7、在其中一个实施例中,根据各待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各待比对图像中的车辆是否相同,包括:将相同待比对图像的属性特征数据和车辆特征数据进行特征融合,得到相应的融合特征数据;根据各待比对图
8、在其中一个实施例中,根据各待比对图像的融合特征数据和相应属性描述数据,确定各待比对图像中的车辆是否相同,包括:若各待比对图像的融合特征数据相似,则根据各待比对图像的属性描述数据,确定各待比对图像中的车辆是否相同;若各待比对图像的融合特征数据不相似,则各待比对图像中的车辆不同。
9、在其中一个实施例中,根据各待比对图像的属性描述数据,确定各待比对图像中的车辆是否相同,包括:若各待比对图像的属性描述数据中的属性类别和相应属性类别的属性值均相同,则确定各待比对图像中的车辆相同;若各待比对图像的属性描述数据中的属性类别和相应属性类别的属性值存在不同,则确定各待比对图像中的车辆不同。
10、在其中一个实施例中,属性特征数据和车辆特征数据分别包括不同特征粒度的特征数据,且属性特征数据和车辆特征数据的不同特征粒度相对应;相应的,将相同待比对图像的属性特征数据和车辆特征数据进行特征融合,得到相应的融合特征数据,包括:针对任一特征粒度,将相同待比对图像的属性特征数据和车辆特征数据进行特征融合,得到相应特征粒度下的融合特征数据。
11、在其中一个实施例中,特征粒度包括整车级粒度、部件级粒度和单元级粒度中的至少两种。
12、在其中一个实施例中,属性识别网络和图像识别网络采用以下方式联合训练得到:获取样本比对图像组;其中,样本比对图像组中包括两个样本比对图像;各样本比对图像中包括车辆;获取样本比对图像组的属性识别标签和图像识别标签;将样本比对图像组输入至待训练的属性识别网络,得到第一预测结果;以及,将样本比对图像组输入至待训练的图像识别网络,得到第二预测结果;根据第一预测结果和相应属性识别标签之间的差异情况,以及第二预测结果和相应图像识别标签之间的差异情况,调整属性识别网络和图像识别网络的网络参数。
13、第二方面,本申请还提供了一种车辆重识别装置,包括:
14、图像获取模块,用于获取两个待比对图像;其中,待比对图像中包含车辆;
15、第一确定模块,用于基于属性识别网络,确定各待比对图像的属性描述数据和相应的属性特征数据;
16、第二确定模块,用于基于图像识别网络,提取各待比对图像中的车辆,得到各待比对图像的车辆特征数据;
17、第三确定模块,用于根据各待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各待比对图像中的车辆是否相同。
18、第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现以下步骤:
19、获取两个待比对图像;其中,待比对图像中包含车辆;
20、基于属性识别网络,确定各待比对图像的属性描述数据和相应的属性特征数据;
21、基于图像识别网络,提取各待比对图像中的车辆,得到各待比对图像的车辆特征数据;
22、根据各待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各待比对图像中的车辆是否相同。
23、第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以下步骤:
24、获取两个待比对图像;其中,待比对图像中包含车辆;
25、基于属性识别网络,确定各待比对图像的属性描述数据和相应的属性特征数据;
26、基于图像识别网络,提取各待比对图像中的车辆,得到各待比对图像的车辆特征数据;
27、根据各待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各待比对图像中的车辆是否相同。
28、第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
29、获取两个待比对图像;其中,待比对图像中包含车辆;
30、基于属性识别网络,确定各待比对图像的属性描述数据和相应的属性特征数据;
31、基于图像识别网络,提取各待比对图像中的车辆,得到各待比对图像的车辆特征数据;
32、根据各待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各待比对图像中的车辆是否相同。
33、上述车辆重识别方法、装置、设备、存储介质和程序产品,对于两个待比对图像,基于属性识别网络和图像识别网络对待比对图像进行处理,分别得到两个待比对图像的属性描述数据、属性特征数据和车辆特征数据,并根据两个待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,对两个待比对图像中的车辆进行车辆重识别,得到车辆重识别结果。基于图像识别网络得到的车辆特征数据是较为全面的,根据车辆特征数据对两个待比对图像进行车辆重识别,能够保证车辆重识别结果是准确的。进一步地,由于基于属性识别网络得到的属性描述数据和属性特征数据均是直观的且可解释的,所以,结合属性描述数据、属性特征数据和车辆特征数据确定车辆重识别结果,使得车辆重识别结果在准确的前提下,更加具有可解释性。
本文档来自技高网...【技术保护点】
1.一种车辆重识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据各所述待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各所述待比对图像中的车辆是否相同,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据各所述待比对图像的融合特征数据和相应属性描述数据,确定各所述待比对图像中的车辆是否相同,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据各所述待比对图像的属性描述数据,确定各所述待比对图像中的车辆是否相同,包括:
5.根据权利要求2-4任一项所述的方法,其特征在于,所述属性特征数据和车辆特征数据分别包括不同特征粒度的特征数据,且所述属性特征数据和所述车辆特征数据的不同特征粒度相对应;
6.根据权利要求5所述的方法,其特征在于,所述特征粒度包括整车级粒度、部件级粒度和单元级粒度中的至少两种。
7.根据权利要求1-4中任一项所述的方法,其特征在于,所述属性识别网络和所述图像识别网络采用以下方式联合训练得到:
8.一种车辆重识别装置,其
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种车辆重识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据各所述待比对图像之间的属性特征数据、属性描述数据和车辆特征数据,确定各所述待比对图像中的车辆是否相同,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据各所述待比对图像的融合特征数据和相应属性描述数据,确定各所述待比对图像中的车辆是否相同,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据各所述待比对图像的属性描述数据,确定各所述待比对图像中的车辆是否相同,包括:
5.根据权利要求2-4任一项所述的方法,其特征在于,所述属性特征数据和车辆特征数据分别包括不同特征粒度的特征数据,且所述属性特征数据和所述车辆特征数据的不同特征粒度相对应;
6.根据权利要求5...
【专利技术属性】
技术研发人员:胡中华,黄文政,
申请(专利权)人:北京信路威科技股份有限公司,
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。