[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

本發明涉及圖像細粒度分類技術領域，具體涉及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，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；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；解決了傳統車輛識別方法容易被復雜背景干擾以及識別模型參數量過多不易部署的問題；結合使用了目標檢測模型來對目標區域進行提取，剔除了大部分的背景信息，減少了模型的識別難度。

技術領域

本發明涉及圖像細粒度分類技術領域，用于解決傳統車輛識別方法容易被復雜背景干擾以及識別模型參數量過多不易部署的問題，具體涉及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。

背景技術

汽車品牌識別技術主要是通過對輸入圖像的一系列處理工作，然后在圖像中找出汽車所在的具體區域，然后對汽車進行品牌識別，在當今的日常生產生活中，汽車品牌識別技術在城市智能交通、互聯網圖像檢索領域都有著巨大的應用前景。

原始的雙線性卷積神經網絡采用雙線性的機制，使用兩路卷積網絡分別去提取圖像中物體的特征，其大體思想是兩路卷積分別取提取不同的特征，利用外積操作來獲得高維度的細粒度特征，最后利用Sonmax或者SVM(Support Vector Machine)等分類器對提取特征進行分類。

目前細粒度分類技術相比于普通圖像分類任務還存在很多難點，尤其是在復雜背景的應用場景下，待識別目標很容易被背景信息所干擾，會導致模型識別難度的提升；其次，目前的細粒度分類模型通常參數量比較多，需要設備具有大的顯存或內存，不利于在應用場景中進行高效部署。

發明內容

本發明的目的在于：解決傳統車輛識別方法容易被復雜背景干擾以及識別模型參數量過多不易部署的問題，提供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，結合使用了目標檢測模型來對目標區域進行提取，剔除了大部分的背景信息，減少了模型的識別難度；對原始雙線性卷積神經網絡進行了改進，首先使用了目標檢測模型SSD對圖像先進行目標提取；其次對雙線性模型結構也進行了改進，利用特征分組模塊大幅地降低了模型整體的參數量，讓模型在實際場景下部署更容易；實現復雜背景下對車輛的識別。

本發明采用的技術方案如下：

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，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；

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。

進一步的，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。

進一步的，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。

進一步的，步驟3的具體方法如下：