[發(fā)明專利]一種服務于深度學習的汽車型號數據集建立方法

在審

• 申請?zhí)枺?/td>: 201710053285.9
• 申請日: 2017-01-24
• 公開（公告）號: CN106874418A
• 公開（公告）日: 2017-06-20
• 發(fā)明（設計）人: 鄧建華;羅興成;楊容;申瑞涵;胡健;彭歡;易歆;馬可染;周可意;劉成
• 申請（專利權）人: 成都容豪電子信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 成都華風專利事務所(普通合伙)51223
• 代理人: 徐豐

技術領域

本發(fā)明涉及數據分類技術領域，具體涉及一種服務于深度學習的汽車型號數據集建立方法。

背景技術

現有車型識別系統(tǒng)的識別準確率普遍不高，主要由數據集建立時分類方法不當引起，比如著名的汽車數據庫CompCars，其數據結構是“汽車品牌-汽車車型-出廠年份”，該數據結構導致識別正確率不高。

因此，亟需一種正確有效構建汽車數據集的方法，從而提高識別準確率。

發(fā)明內容

本發(fā)明的目的在于提供一種服務于深度學習的汽車型號數據集建立方法，該方法可以很好地解決以上問題。

為達到上述要求，本發(fā)明采取的技術方案是：提供一種服務于深度學習的汽車型號數據集建立方法，包括以下步驟：

S1、收集各種型號汽車的多角度圖片；

S2、對述圖片按照“汽車品牌-汽車車型-汽車型號-汽車年份”的分類方法建立樹形結構；

S3、將每個汽車年份下的圖片分為兩部分，并使用一部分建立訓練集文件，使用另一部分建立測試集文件；

S4、構建訓練集文件標簽文件和測試集文件標簽文件，建立數據集。

與現有技術相比，本發(fā)明具有的優(yōu)點是：

（1）對汽車圖片按照“汽車品牌-汽車車型-汽車型號-汽車年份”的四級分類方法建立樹形結構，有助于提高系統(tǒng)對車輛的識別能力，顯著提高了識別的精度；

（2）本數據集圖片為汽車的多角度圖片，有助于完善模型，提高識別率。

附圖說明

此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，在這些附圖中使用相同的參考標號來表示相同或相似的部分，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：

圖1為本發(fā)明的流程圖。

具體實施方式

為使本申請的目的、技術方案和優(yōu)點更加清楚，以下結合附圖及具體實施例，對本申請作進一步地詳細說明。為簡單起見，以下描述中省略了本領域技術人員公知的某些技術特征。

提供一種服務于深度學習的汽車型號數據集建立方法，包括以下步驟：

S1、收集各種型號汽車的多角度圖片，圖片可以為網上搜集得到，也可以是自行對汽車拍照得到；每種型號汽車至少具有7種不同角度的圖片，包括以下幾種角度但不限于，前，左前，右，側，后，左后，右后等；

S2、對上述多角度圖片按照“汽車品牌-汽車車型-汽車型號-汽車年份”的四級分類方法建立樹形結構，為了便于區(qū)別，以文件為單位進行規(guī)范整理；具體方法為：

建立若干汽車品牌文件，以汽車品牌為文件命名；

在汽車品牌文件夾下建立若干汽車車型文件，以汽車車型為文件命名；

在汽車車型文件下建立若干汽車型號文件，以汽車型號為文件夾命名；

在汽車型號文件下建立若干汽車年份文件，以汽車年份為文件夾命名；

把步驟S1收集的圖片分別放于對應的汽車年份文件中。

S3、將每個汽車年份文件中的圖片隨機分為兩部分，并使用一部分建立訓練集文件，使用另一部分建立測試集文件，一般訓練集文件圖片數量應是測試集文件圖片數量的4到5倍；具體包括以下步驟：

建立訓練集文件；

在訓練集文件下建立若干與汽車年份數量相當的文件；

把步驟S2中的每個汽車年份文件中的大部分圖片復制到訓練集文件中；

建立測試集文件；

將每個汽車年份文件中剩余的圖片復制到測試集文件。

S4、構建訓練集文件標簽文件和測試集文件標簽文件，建立數據集；具體包括：

在訓練集文件下建立標簽文件（label），用于調用訓練集中圖片；

在測試集文件下建立標簽文件（label），用于調用測試集中圖片。

以上所述實施例僅表示本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能理解為對本發(fā)明范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明保護范圍。因此本發(fā)明的保護范圍應該以所述權利要求為準。