[发明专利]一种神经网络系统及其识别车辆属性的方法

权利要求书

1.一种神经网络系统，其特征在于，包括：

数据输入层、局部特征提取网络、全局特征提取网络以及分类层；其中，

所述数据输入层，用于接收外部输入车辆图像；

所述局部特征提取网络，用于对所述数据输入层接收的所述车辆图像进行识别以提取至少一个兴趣区域所对应的局部特征数据；

所述全局特征提取网络，用于根据各个所述兴趣区域所分别对应的局部特征数据确定全局特征数据；

所述分类层，用于根据各个所述兴趣区域所分别对应的局部特征数据以及所述全局特征数据确定并输出至少两种车辆属性信息。

2.根据权利要求1所述的神经网络系统，其特征在于，

所述局部特征提取网络，包括：至少两三个线性排列连接的卷积层；其中，

排列在首位的所述卷积层与所述数据输入层相连，排列在末位的所述卷积层与所述全局特征提取网络相连；

所述卷积层，用于当所述卷积层排列在首位时，对所述数据输入层接收的所述车辆图像进行识别以提取低级局部特征数据，并将所述局部特征数据输出至与其相连的后置卷积层；当所述卷积层排列在非首位且非末位时，对与其相连的前置卷积层输入的所述低级局部特征数据进行特征提取以形成新的局部特征数据，并将形成的新的低级局部特征数据输出至与其相连的后置卷积层；当所述卷积层排列在末位时，对与其相连的前置卷积层输入的所述低级局部特征数据进行特征提取以形成至少一个兴趣区域所对应的高级局部特征数据，并将形成的高级局部特征数据作为局部特征数据输出至所述全局特征提取网络以及所述分类层。

3.根据权利要求2所述的神经网络系统，其特征在于，

所述卷积层，包括：数据接收单元、数据合并单元以及至少三个卷积网络；其中，

每一个所述卷积网络的输入端均与所述数据接收单元相连，每一个所述卷积网络的输出端均与所述数据合并单元相连；

所述数据接收单元，用于接收输入的车辆图像或低级局部特征数据；

每一个所述卷积网络，用于对所述数据接收单元接收的所述车辆图像进行识别以提取一种类型的低级特征数据，或，对所述数据接收单元接收的所述局部特征数据进行特征提取以获取一种类型的新的低级特征数据，其中，不同卷积网络分别提取的低级特征数据的类型各不相同；

所述数据合并单元，用于对各个所述卷积网络所分别得到的低级特征数据进行合并处理以形成新的低级局部特征数据或形成至少一个兴趣区域所对应的高级局部特征数据。

4.根据权利要求3所述的系统，其特征在于，

当所述卷积网络所对应的卷积层排列在非首位时，所述卷积网络，包括：池化层以及至少两个呈线性排列连接的卷积单元；其中，

所述池化层与所述数据接收单元相连，排列在首位的所述卷积单元与所述池化层相连，排列在末位的所述卷积单元与所述数据合并层相连；

所述池化层，用于对所述数据接收单元接收的低级局部特征数据进行降维处理以形成低维度局部布特征数据；

所述卷积单元，用于当所述卷积单元排列在首位时，以所述卷积单元所对应的预设像元对所述池化层形成的低维度局部特征数据进行特征搜索以提取一种设定类型的低级特征数据，并将所述低级特征数据输出至与其相连的后置卷积单元；当所述卷积单元排列在非首位且非末位时，以所述卷积单元所对应的预设像元对接收的低级特征数据进行特征搜索以提取一种设定类型的新的低级特征数据，并将提取的新的低级特征数据输出至与其相连的后置卷积单元；当所述卷积单元排列在末位时，以所述卷积单元所对应的预设像元对接收的低级特征数据进行特征搜索以提取一种设定类型的新的低级特征数据，并将提取的新的低级特征数据输出至所述数据合并层；其中，不同卷积单元所分别对应的预设像元各不相同。

5.根据权利要求3所述的系统，其特征在于，

所述低级特征数据的类型，包括：色彩数据、纹理数据或边缘数据。

6.根据权利要求1所述的系统，其特征在于，

所述至少两种车辆属性，包括：车辆颜色、车型以及车标类别中的至少两种。