[發(fā)明專利]一種基于深度殘差網(wǎng)絡(luò)的車型識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810170873.5
• 申請(qǐng)日: 2018-03-01
• 公開（公告）號(hào): CN108629267B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 劉敦強(qiáng);沈峘
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

1.一種基于深度殘差網(wǎng)絡(luò)的車型識(shí)別方法，其特征在于，包括：

S1、對(duì)深度殘差網(wǎng)絡(luò)進(jìn)行參數(shù)初始化；

S2、將訓(xùn)練數(shù)據(jù)載入所述深度殘差網(wǎng)絡(luò)，結(jié)合數(shù)據(jù)增強(qiáng)策略，訓(xùn)練得到訓(xùn)練好的深度殘差網(wǎng)絡(luò)；

S3、將車型圖像載入所述訓(xùn)練好的深度殘差網(wǎng)絡(luò)，所述訓(xùn)練好的深度殘差網(wǎng)絡(luò)進(jìn)行識(shí)別，并從網(wǎng)絡(luò)輸出端輸出類別標(biāo)簽；

其中，所述深度殘差網(wǎng)絡(luò)包括五個(gè)殘差單元、兩個(gè)全連接層、多分類對(duì)率回歸損失層、中心損失層，

第一殘差單元的組成按照總體模型在輸入樣本進(jìn)行預(yù)測(cè)時(shí)的數(shù)據(jù)流向依次為卷積層1，參數(shù)包括通道數(shù)為128，卷積核尺寸為3和3，步長(zhǎng)為2，補(bǔ)零項(xiàng)尺寸為1和1；批量正則化層1，參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；線性激活層1；卷積層2，參數(shù)包括通道數(shù)為256，卷積核尺寸為1和1，步長(zhǎng)為1，補(bǔ)零項(xiàng)尺寸為0和0；批量正則化層2, 參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；數(shù)值單元融合層，模式為相加操作；線性激活層2，

第二殘差單元的組成按照總體模型在輸入樣本進(jìn)行預(yù)測(cè)時(shí)的數(shù)據(jù)流向依次為卷積層1，參數(shù)包括通道數(shù)為256，卷積核尺寸為3和3，步長(zhǎng)為2，補(bǔ)零項(xiàng)尺寸為1和1；批量正則化層1，參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；線性激活層1；卷積層2，參數(shù)包括通道數(shù)為512，卷積核尺寸為1和1，步長(zhǎng)為1，補(bǔ)零項(xiàng)尺寸為0和0；批量正則化層2, 參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；數(shù)值單元融合層，模式為相加操作；線性激活層2，

第三殘差單元的組成按照總體模型在輸入樣本進(jìn)行預(yù)測(cè)時(shí)的數(shù)據(jù)流向依次為卷積層1，參數(shù)包括通道數(shù)為512，卷積核尺寸為3和3，步長(zhǎng)為2，補(bǔ)零項(xiàng)尺寸為1和1；批量正則化層1，參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；線性激活層1；卷積層2，參數(shù)包括通道數(shù)為1024，卷積核尺寸為1和1，步長(zhǎng)為1，補(bǔ)零項(xiàng)尺寸為0和0；批量正則化層2, 參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；數(shù)值單元融合層，模式為相加操作；線性激活層2，

第四殘差單元的組成按照總體模型在輸入樣本進(jìn)行預(yù)測(cè)時(shí)的數(shù)據(jù)流向依次為卷積層1，參數(shù)包括通道數(shù)為1024，卷積核尺寸為3和3，步長(zhǎng)為2，補(bǔ)零項(xiàng)尺寸為1和1；批量正則化層1，參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；線性激活層1；卷積層2，參數(shù)包括通道數(shù)為2048，卷積核尺寸為1和1，步長(zhǎng)為1，補(bǔ)零項(xiàng)尺寸為0和0；批量正則化層2, 參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；數(shù)值單元融合層，模式為相加操作；線性激活層2，

第五殘差單元的組成按照總體模型在輸入樣本進(jìn)行預(yù)測(cè)時(shí)的數(shù)據(jù)流向依次為卷積層1，參數(shù)包括通道數(shù)為2048，卷積核尺寸為3和3，步長(zhǎng)為2，補(bǔ)零項(xiàng)尺寸為1和1；批量正則化層1，參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；線性激活層1；卷積層2，參數(shù)包括通道數(shù)為1024，卷積核尺寸為1和1，步長(zhǎng)為1，補(bǔ)零項(xiàng)尺寸為0和0；批量正則化層2, 參數(shù)包括動(dòng)態(tài)更新值2，以及仿射比例和仿射偏置；數(shù)值單元融合層，模式為相加操作；線性激活層2，

第一全連接層的內(nèi)部參數(shù)包括二維矩陣權(quán)重，尺寸分別是50176和4096，以及一維矩陣偏置，尺寸為4096，

第二全連接層的內(nèi)部參數(shù)包括二維矩陣權(quán)重，尺寸分別是4096和1000，以及一維矩陣偏置，尺寸為1000，

多分類對(duì)率回歸損失層無(wú)內(nèi)部參數(shù)，輸出為各個(gè)輸入特征以自然數(shù)空間為基準(zhǔn)相對(duì)于同樣以自然數(shù)空間為基準(zhǔn)的輸入特征總和的比例，

中心損失層的內(nèi)部參數(shù)只有二維矩陣中心距離，尺寸為196和4096，該參數(shù)在第一次訓(xùn)練時(shí)設(shè)置為全零矩陣，隨后每經(jīng)過一個(gè)訓(xùn)練批次就按照當(dāng)前訓(xùn)練批次的特征所屬的類別計(jì)算該類別下的特征的歐氏距離均值，然后乘以學(xué)習(xí)率得到更新值，最后對(duì)該類別下的中心距離進(jìn)行更新。

2.根據(jù)權(quán)利要求1所述的方法，在所述S1中，所述參數(shù)初始化為基于高斯分布的方法初始化學(xué)習(xí)參數(shù)，其中高斯中心為0，高斯方差為訓(xùn)練時(shí)一個(gè)訓(xùn)練批次樣本數(shù)的兩倍倒數(shù)的平方根。

3.根據(jù)權(quán)利要求1所述的方法，在所述S2中，所述訓(xùn)練使用的數(shù)據(jù)增強(qiáng)方法包括圖像水平翻轉(zhuǎn)、圖像隨機(jī)尺寸剪切、圖像隨機(jī)噪聲添加；所述訓(xùn)練采用隨機(jī)梯度下降訓(xùn)練方法，一個(gè)訓(xùn)練批次的訓(xùn)練樣本數(shù)為128個(gè)，總的迭代次數(shù)為80個(gè)訓(xùn)練周期，1個(gè)訓(xùn)練周期代表總的訓(xùn)練樣本對(duì)1個(gè)訓(xùn)練周期的商，每經(jīng)過1個(gè)訓(xùn)練周期就隨機(jī)生成總的所述訓(xùn)練樣本的訓(xùn)練次序，學(xué)習(xí)率參數(shù)采用階梯下降策略，所述學(xué)習(xí)率的初始值設(shè)為0.01，經(jīng)過30個(gè)訓(xùn)練周期和50個(gè)訓(xùn)練周期時(shí)分別下降一次，下降因子為0.1，權(quán)重衰減項(xiàng)為0.0005，動(dòng)量項(xiàng)為0.9。