[发明专利]车载环境下基于卷积神经网络的车型识别方法

权利要求书

1.一种车载环境下基于卷积神经网络的车型识别方法，其特征在于，用于车型识别的语义紧凑双线性池化方法，旨在充分利用先验知识的规避损失函数；

所述用于车型识别的语义紧凑双线性池化方法，将分层标签树和紧凑双线性池化结合在一起，将汽车不同级别的语义进行连接；

所述规避损失函数，充分利用先验知识对softmax损失函数进行推广，基于汽车语义不同层次的标签之间的相互依赖性来构建标签矩阵。

2.根据权利要求1所述的方法，其特征在于，将原始BCNN的CNN分支B扩展为三个分支，像传统CNN模型一样提取特征；将CNN分支A扩展为三个分支，其主要任务是定位有差别的区域。

3.根据权利要求1所述的方法，其特征在于，所述规避损失函数的定义及梯度表示为：

其中c表示规避损失函数，I是批处理的数量，y是第i个图像的标签， 是指第i个图像的交叉熵损失， 等于0或1。

4.根据权利要求2所述的方法，其特征在于，产生品牌分支的双线性向量，之后的softmax损失层起到损失函数的作用，除了这个softmax损失层，双线性向量后还接了一个softmax层和argmax层的组合，型号分支类似于品牌分支，但使用规避损失函数，其输入是两个分支的两个argmax层的输出，最后，将softmax损失和规避损失组合成最终的损失。