[發明專利]基于神經架構搜索的車輛細粒度識別方法、系統和裝置

有效

• 申請號: 202110262167.5
• 申請日: 2021-03-10
• 公開（公告）號: CN113159115B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 王家寶;苗壯;趙勛;李陽;曾志成;張睿;潘志松
• 申請（專利權）人: 中國人民解放軍陸軍工程大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/80;G06V10/764;G06N3/0464;G06N3/084
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 嚴志平

本發明公開了一種基于神經架構搜索的車輛細粒度識別方法，包括利用預先確定的多路徑網絡對已獲取的圖像進行車輛細粒度識別，融合多路徑網絡輸出的多個分類結果，得到最終識別結果；多路徑網絡的確定包括：獲取源域車輛細粒度識別數據集和目標域車輛細粒度識別數據集；在源域車輛細粒度識別數據集，基于預設的損失函數搜索使預設的初始網絡性能最優時網絡架構單元的內部連接結構，得到最佳的網絡架構單元；重復堆疊最佳的網絡架構單元，得到未訓練的多路徑網絡；基于目標域車輛細粒度識別數據集，采用預設的損失函數訓練多路徑網絡的參數，得到訓練完成的多路徑網絡。本發明能夠解決神經架構搜索方法難以擴展至細粒度識別任務的不足。

技術領域

本發明涉及基于神經架構搜索的車輛細粒度識別方法、系統和裝置，屬于計算機視覺技術領域。

背景技術

神經架構搜索是一種通過機器自動搜索網絡架構的技術，通常在一個由卷積、池化等大量原子操作構建的集合中選擇最佳的操作組合，形成一個最佳的網絡架構單元，并以此構建新的網絡。神經架構搜索摒棄了人工設計網絡架構的思路，將設計神經網絡架構的任務交由機器自動搜索完成。

車輛細粒度識別是經典分類任務的延伸，不同于經典通用目標識別中目標類別差異巨大，車輛細粒度識別需要區分車輛這一大類下不同子類的車輛。由于待分類的車輛同屬于一個大類，類間差異相對較小，同時由于同一類型的不同個體車輛存在著拍攝視角、距離、光照、遮擋等各種因素的影響，類內差異相對較大，這就使得車輛細粒度識別較通用目標識別任務難度大得多?，F階段，神經架構搜索主要用于通用目標識別任務，來搜索最佳的網絡架構，缺乏從細粒度識別角度進行目標函數設計和網絡骨架構建等考慮，難以直接擴展至細粒度識別任務。

發明內容

本發明的目的在于克服現有技術中的不足，提供基于神經架構搜索的車輛細粒度識別方法、系統和裝置，能夠解決現有技術中神經架構搜索方法難以直接有效擴展至細粒度識別任務的不足。為達到上述目的，本發明是采用下述技術方案實現的：

第一方面，本發明提供了基于神經架構搜索的車輛細粒度識別方法，包括：

獲取包含待識別目標的圖像；

利用預先確定的多路徑網絡對所述圖像進行車輛細粒度識別，采用預設的融合方法融合多路徑網絡輸出的多個分類結果，得到最終識別結果；

其中，所述多路徑網絡通過以下步驟得到的：

獲取源域車輛細粒度識別數據集和目標域車輛細粒度識別數據集；

在源域車輛細粒度識別數據集，基于預設的損失函數搜索使預設的初始網絡性能最優時網絡架構單元的內部連接結構，得到最佳的網絡架構單元；

重復堆疊所述最佳的網絡架構單元，得到未訓練的多路徑網絡；

基于目標域車輛細粒度識別數據集，采用預設的損失函數訓練多路徑網絡的參數，得到訓練完成的多路徑網絡。

結合第一方面，優選地，所述源域車輛細粒度識別數據集是通過以下方式中的一種或多種獲取的：采用一個或多個的可開源獲取的通用車輛細粒度識別數據集或通用車輛再識別數據集構建得到；采用攝像設備對車輛進行攝錄并標注得到；采用搜索引擎從互聯網搜索下載并標注得到。

結合第一方面，優選地，所述目標域車輛細粒度識別數據集是通過以下方式中的一種或多種獲取的：采用攝像設備對目標域車輛進行攝錄并標注得到；采用搜索引擎從互聯網搜索下載并標注得到。

結合第一方面，具體地，所述目標域車輛指特定行業的車輛，包括軍用裝甲車輛和工程施工車輛。

結合第一方面，優選地，所述搜索的方法為DARTS或PDARTS。

結合第一方面，進一步地，所述預設的初始網絡由堆疊若干神經架構搜索中的網絡架構單元構成，且每個網絡架構單元的內部連接結構是相同的、經搜索確定的。