[发明专利]一种卷积神经网络生成方法、车系识别方法及计算设备

权利要求书

1.一种用于对图像中的车辆进行车系识别的卷积神经网络生成方法，适于在计算设备中执行，所述方法包括步骤：

分别构建第一处理块、第三处理块和第五处理块，所述第一处理块、第三处理块和第五处理块均包括一个或多个卷积层和最大池化层；

分别构建第二处理块、第四处理块和第六处理块，所述第二处理块、第四处理块和第六处理块均包括一个或多个卷积层、第一全局平均池化层、全连接层和激活层；

分别构建第二全局平均池化层、第一分类器、第二分类器和第三分类器；

根据一个或多个第一处理块、第二处理块、第三处理块、第四处理块、第五处理块和第六处理块，结合所述第二全局平均池化层、第一分类器、第二分类器和第三分类器构建卷积神经网络，所述卷积神经网络以第一处理块为输入，以第一分类器、第二分类器和第三分类器为输出，所述第一分类器、第二分类器和第三分类器的输出分别指示车辆所对应的车系、品牌和级别，且根据输出的车系、品牌和级别共同确定图像中车辆所对应的车系；

根据预先获取的车辆图像数据集合对所述卷积神经网络进行训练，以便所述第一分类器、第二分类器和第三分类器的输出分别指示车辆所对应的车系、品牌和级别，所述车辆图像数据集合包括多个车辆图像信息，每个车辆图像信息包括车辆图像和对应图像中车辆的车系信息、品牌信息和级别信息；

所述根据预先获取的车辆图像数据集合对所述卷积神经网络进行训练包括：根据输入的所述车辆图像对应的车系信息、品牌信息和级别信息，分别对所述第一分类器、所述第二分类器和所述第三分类器的输出进行调整，基于损失函数和梯度计算，按极小化误差的方法反向传播以调整所述卷积神经网络中的参数；

其中，所述构建卷积神经网络包括步骤：

根据预设的网络连接规则，将各第一处理块、第二处理块、第三处理块、第四处理块、第五处理块和第六处理块进行相连后，连接所述第二全局平均池化层，所述预设的网络连接规则包括：以所述第一处理块为输入端，按序在其后添加3个依次相连的所述第二处理块、所述第三处理块、10个依次相连的所述第四处理块、所述第五处理块、5个依次相连的所述第六处理块；

在所述第二全局平均池化层与第一分类器、第二分类器和第三分类器之间，添加弃权层，适用于缓解过拟合，所述弃权层分别与所述第二全局平均池化层、第一分类器、第二分类器和第三分类器相连。

2.如权利要求1所述的方法，所述分别构建第一处理块、第三处理块和第五处理块的步骤包括：

分别按照预设的第一连接规则、第三连接规则和第五连接规则，将各卷积层和最大池化层进行相连以相应形成第一处理块、第三处理块和第五处理块。

3.如权利要求1所述的方法，所述分别构建第二处理块、第四处理块和第六处理块的步骤包括：

分别按照预设的第二连接规则、第四连接规则和第六连接规则，将各卷积层、第一全局平均池化层、全连接层和激活层进行相连以相应形成第二处理块、第四处理块和第六处理块。

4.如权利要求1-3中任一项所述的方法，还包括预先生成车辆图像数据集合，所述预先生成车辆图像数据集合的步骤包括：

对每一张待处理图片进行图像处理，以获取该待处理图片对应的车辆图像；

获取各车辆图像所对应的待处理图片关联的车系信息；

根据每一种车系信息对应的车辆图像的数量与预设的第一阈值的大小关系，生成该车系信息对应的车辆图像组，所述车辆图像组包括数量为第一阈值的车辆图像；

将各车辆图像组中的车辆图像与其对应的车系信息、品牌信息和级别信息进行关联，以生成相应的车辆图像信息；

汇集各车辆图像信息，以形成车辆图像数据集合。