[发明专利]基于多重注意力机制的车辆图像细粒度检索方法及装置

说明书

本发明实施例提供了基于多重注意力机制的车辆图像细粒度检索方法及装置，所述方法包括：将车辆参照图像输入到训练后的多重注意力卷积神经网络模型，对车辆参照图像中的目标对象进行自动定位，并提取车辆参照图像的目标对象的特征向量；通过多重注意力卷积神经网络模型，对待识别车辆图像中的目标对象进行自动定位，并提取待识别车辆图像中的目标对象的特征向量；计算车辆参照图像中的目标对象的特征向量与待识别车辆图像中的目标对象的特征向量的相似度；根据相似度得到待识别车辆图像中包含与车辆参照图像中的目标对象同类别的目标对象的待识别车辆图像，作为车辆参照图像的检索图像。通过本发明实施例能够提高车辆图像检索的准确率和效率。

技术领域

本发明属于计算机视觉与智慧交通技术领域，具体是涉及到一种基于多重注意力机制的车辆图像细粒度检索方法、装置、终端设备及计算机可读介质。

背景技术

随着现代化交通、安防等行业的迅速发展，目标识别技术越来越多的被应用于各种领域，是近年来计算机视觉与模式识别技术在智能交通领域的重要研究课题之一。

车辆细粒度识别是计算机视觉领域的一个重要研究方向。相同车型的车辆识别对于传统方法难度较大，因为往往同类车辆之间的差异十分微小，不同之处可能仅仅在于其之上的年检标志，或者是车内某些小装饰。伴随着最近几年深度学习的兴起，很多研究者也尝试将深度学习应用于目标检测识别领域。其中细粒度级别图像分析是针对此类问题的一项计算机视觉领域的热门研究课题，其目标是对细粒度级别图像中的物体子类进行定位、识别及检索等若干视觉分析任务的研究，具有真实场景下广泛的应用价值。

同时图像检索是通过输入图像来检索相似图像的一种技术，其主要涉及图像特征提取以及图像特征相似度分析这两大部分。细粒度图像识别是在于寻找图像中存在细微差别的局部区域特征，可以识别一个大类中的不同小类。将细粒度图像识别技术用于图像检索中，可以提取图像细粒度特征并对图像细粒度特征相似性进行分析。然而现有技术中的细粒度图像识别及检索方法中存在效率低和准确度不高的问题。

发明内容

有鉴于此，本发明实施例提供一种基于多重注意力机制的车辆图像细粒度检索方法、装置、终端设备及计算机可读介质，能够提高车辆图像检索的准确率和效率。

本发明实施例的第一方面提供了一种基于多重注意力机制的车辆图像细粒度检索方法，包括：

将车辆参照图像输入到训练后的多重注意力卷积神经网络模型中，对所述车辆参照图像中的目标对象进行自动定位，并提取所述车辆参照图像中的目标对象的特征向量；

将待识别车辆图像输入到训练后的所述多重注意力卷积神经网络模型中，对所述待识别车辆图像中的目标对象进行自动定位，并提取所述待识别车辆图像中的目标对象的特征向量；

计算所述车辆参照图像中的目标对象的特征向量与所述待识别车辆图像中的目标对象的特征向量的相似度；

根据所述相似度，得到所述待识别车辆图像中包含与所述车辆参照图像中的目标对象同类别的目标对象的待识别车辆图像，作为所述车辆参照图像的检索图像。

本发明实施例的第二方面提供了一种基于多重注意力机制的车辆图像细粒度检索装置，包括：

第一提取模块，用于将车辆参照图像输入到训练后的多重注意力卷积神经网络模型中，对所述车辆参照图像中的目标对象进行自动定位，并提取所述车辆参照图像中的目标对象的特征向量；

第二提取模块，用于将待识别车辆图像输入到训练后的所述多重注意力卷积神经网络模型中，对所述待识别车辆图像中的目标对象进行自动定位，并提取所述待识别车辆图像中的目标对象的特征向量；

计算模块，用于计算所述车辆参照图像中的目标对象的特征向量与所述待识别车辆图像中的目标对象的特征向量的相似度；