[发明专利]基于神经架构搜索的车辆细粒度识别方法、系统和装置

说明书

本发明公开了一种基于神经架构搜索的车辆细粒度识别方法，包括利用预先确定的多路径网络对已获取的图像进行车辆细粒度识别，融合多路径网络输出的多个分类结果，得到最终识别结果；多路径网络的确定包括：获取源域车辆细粒度识别数据集和目标域车辆细粒度识别数据集；在源域车辆细粒度识别数据集，基于预设的损失函数搜索使预设的初始网络性能最优时网络架构单元的内部连接结构，得到最佳的网络架构单元；重复堆叠最佳的网络架构单元，得到未训练的多路径网络；基于目标域车辆细粒度识别数据集，采用预设的损失函数训练多路径网络的参数，得到训练完成的多路径网络。本发明能够解决神经架构搜索方法难以扩展至细粒度识别任务的不足。

技术领域

本发明涉及基于神经架构搜索的车辆细粒度识别方法、系统和装置，属于计算机视觉技术领域。

背景技术

神经架构搜索是一种通过机器自动搜索网络架构的技术，通常在一个由卷积、池化等大量原子操作构建的集合中选择最佳的操作组合，形成一个最佳的网络架构单元，并以此构建新的网络。神经架构搜索摒弃了人工设计网络架构的思路，将设计神经网络架构的任务交由机器自动搜索完成。

车辆细粒度识别是经典分类任务的延伸，不同于经典通用目标识别中目标类别差异巨大，车辆细粒度识别需要区分车辆这一大类下不同子类的车辆。由于待分类的车辆同属于一个大类，类间差异相对较小，同时由于同一类型的不同个体车辆存在着拍摄视角、距离、光照、遮挡等各种因素的影响，类内差异相对较大，这就使得车辆细粒度识别较通用目标识别任务难度大得多。现阶段，神经架构搜索主要用于通用目标识别任务，来搜索最佳的网络架构，缺乏从细粒度识别角度进行目标函数设计和网络骨架构建等考虑，难以直接扩展至细粒度识别任务。

发明内容

本发明的目的在于克服现有技术中的不足，提供基于神经架构搜索的车辆细粒度识别方法、系统和装置，能够解决现有技术中神经架构搜索方法难以直接有效扩展至细粒度识别任务的不足。为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了基于神经架构搜索的车辆细粒度识别方法，包括：

获取包含待识别目标的图像；

利用预先确定的多路径网络对所述图像进行车辆细粒度识别，采用预设的融合方法融合多路径网络输出的多个分类结果，得到最终识别结果；

其中，所述多路径网络通过以下步骤得到的：

获取源域车辆细粒度识别数据集和目标域车辆细粒度识别数据集；

在源域车辆细粒度识别数据集，基于预设的损失函数搜索使预设的初始网络性能最优时网络架构单元的内部连接结构，得到最佳的网络架构单元；

重复堆叠所述最佳的网络架构单元，得到未训练的多路径网络；

基于目标域车辆细粒度识别数据集，采用预设的损失函数训练多路径网络的参数，得到训练完成的多路径网络。

结合第一方面，优选地，所述源域车辆细粒度识别数据集是通过以下方式中的一种或多种获取的：采用一个或多个的可开源获取的通用车辆细粒度识别数据集或通用车辆再识别数据集构建得到；采用摄像设备对车辆进行摄录并标注得到；采用搜索引擎从互联网搜索下载并标注得到。

结合第一方面，优选地，所述目标域车辆细粒度识别数据集是通过以下方式中的一种或多种获取的：采用摄像设备对目标域车辆进行摄录并标注得到；采用搜索引擎从互联网搜索下载并标注得到。

结合第一方面，具体地，所述目标域车辆指特定行业的车辆，包括军用装甲车辆和工程施工车辆。

结合第一方面，优选地，所述搜索的方法为DARTS或PDARTS。

结合第一方面，进一步地，所述预设的初始网络由堆叠若干神经架构搜索中的网络架构单元构成，且每个网络架构单元的内部连接结构是相同的、经搜索确定的。