[發明專利]一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法

有效

• 申請號: 202010623874.8
• 申請日: 2020-07-01
• 公開（公告）號: CN111860499B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 屈鴻;張李燕;趙永澤;王天磊;郝雪潔
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/26;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 陳仕超

1.一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法，其特征在于，具體包括以下步驟：

步驟1：利用目標檢測模型SSD對原始數據集進行目標識別，裁剪出原始圖像中包含車輛的區域；

步驟2：對步驟1得到的裁剪圖像進行數據擴充，讓數據集達到特征分組的雙線性卷積模型訓練的要求；

步驟3：利用擴充后的數據集對基于特征分組的雙線性卷積模型進行訓練；具體為：構建雙線性卷積神經模型，特征提取器使用Resnet-34，能夠分別獲取到兩路卷積特征圖；加入特征分組模塊，將每一路特征圖都分為類別數組，兩路特征圖進行組內外積操作，讓雙線性卷積模型的參數量大大降低；

步驟4：基于特征分組的雙線性卷積網絡對輸入圖像進行汽車品牌識別。

2.根據權利要求1所述的一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法，其特征在于，步驟1的具體方法如下：

步驟1-1：對收集的數據進行手工標注，構建汽車品牌原始數據集；

步驟1-2：利用目標檢測模型SSD對原始圖像進行目標檢測，提取出圖像中包含汽車的區域作為新的圖像數據。

3.根據權利要求2所述的一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法，其特征在于，步驟2的具體方法如下：

步驟2-1:將步驟1-2中獲得的每張裁剪后的圖片進行旋轉、隨機裁剪、翻轉、仿射變換操作，將得到的圖像并入步驟1-2的原始數據集中，得到最終擴充的數據集；

步驟2-2：將步驟2-1中得到的圖像進行尺寸縮放，把全部圖像的尺寸都固定為448*448。

4.根據權利要求3所述的一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法，其特征在于，步驟3的具體方法如下：

步驟3-1：構建雙線性卷積神經模型，獲取到兩路卷積特征圖；

步驟3-2：加入特征分組模塊，將步驟3-1得到的每一路特征圖都分為類別數組，兩路特征圖進行組內外積操作，讓雙線性卷積模型的參數量大大降低；

步驟3-3：使用全局最大池化層去替換全連接層，有效地減少雙線性卷積模型的參數量；

步驟3-4：將步驟2-2得到的訓練數據集輸入到步驟3-2得到的模型中進行訓練；

步驟3-5：模型充分訓練后得到基于特征分組的雙線性模型的權值文件。

5.根據權利要求4所述的一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法，其特征在于：所述步驟3-1中雙線性卷積神經網絡模型中兩路卷積模型都選取Resnet-34網絡模型。

6.根據權利要求4所述的一種基于特征分組的雙線性卷積神經網絡的汽車品牌識別方法，其特征在于，步驟4的具體方法如下：

步驟4-1：利用訓練好的目標檢測模型SSD對輸入圖像進行車輛檢測，得到包含汽車的圖像區域；

步驟4-2：將得到的裁剪圖像縮放到448*448的尺寸；

步驟4-3：將步驟3-5訓練好的權值文件載入到基于特征分組的雙線性卷積神經網絡中；

步驟4-4：將步驟4-2得到的圖像輸入到步驟4-3的模型中進行識別，最后通過Softmax分類器對圖像進行分類；

步驟4-5：模型輸出圖像所對應的品牌分類。