[发明专利]一种基于resnet-50改进的车型识别方法

权利要求书

1.一种基于改进resnet-50的车型细粒度识别方法，包含如下步骤：

1)通过transforms对数据集进行数据增强的预处理。

2)向resnet网络中添加ECA模块，解决了SE模块降维过程中破坏了通道之间依赖性的问题，提升了通道注意力准确性。

3)去除resnet的最后一层fc，并将layer4经过avgpool和dropout前后的输出进行训练，分别构成原始分支和对象分支，整体损失函数为原始分支、对象分支和滑动窗口的部分分支的损失之和。

4)引入注意力定位模块，将每一个特征图进行叠加，得到一个激活图，求激活图的平均值，得到一个激活阈值，通过阈值定位像素点是否应该被激活。

5)使用滑动窗口的方法对特征图进行采集，减少计算量，采用极大值抑制法(NMS)，选取能够表征整体特征的注意力框。

6)使用训练好的模型对细粒度类别之内的图像进行预测，并且分别通过pyqt界面和flask网页端展示出来。

2.如权利要求1所述的一种基于改进resnet-50的车型细粒度识别方法及系统，其特征在于：所述步骤1)，具体步骤为：将输入图片裁剪为448×448的图片，并且通过随机水平垂直翻转，随机遮挡，正则化等方法进行数据增强。

3.如权利要求1所述的一种基于改进resnet-50的车型细粒度识别方法及系统，其特征在于：所述步骤2)，具体步骤为：向resnet-50的Bottleneck中嵌入ECA注意力模块，卷积核大小设为3。

4.如权利要求1所述的一种基于改进resnet-50的车型细粒度识别方法及系统，其特征在于：所述步骤4)，具体步骤为：对输入图片的所有特征图进行叠加，得到一个激活图，根据像素点计算这一个激活图的平均激活值，遍历像素点，只保留大于激活值的像素点，构成激活定位图，将两个不同层的激活定位图取交集，得到最终的激活定位图。

5.如权利要求1所述的一种基于改进resnet-50的车型细粒度识别方法及系统，其特征在于：所述步骤5)，具体步骤为：同权利要求4所述，对每一个滑动窗口求最终激活图。

6.如权利要求1所述的一种基于改进resnet-50的车型细粒度识别方法及系统，其特征在于：所述步骤6)，具体步骤为：通过将用户选取的图片存入一个指定的预先清空的文件夹中，对文件夹中的图片进行预测，最后在可视化界面显示出预测结果。