[发明专利]一种基于深度学习的车型识别方法

摘要

本发明公开了一种基于深度学习的车型识别方法，包括：A.将数据库中针对同一型号车辆的多角度图像划分并存储至训练集和验证集，并将其压缩成预设范围像素的数据集；B.将预设范围像素的数据集导入深度卷积神经网络中进行卷积运算，从而提取每一型号车辆的特征向量；C将每一型号车辆的特征向量与训练集中的图像的实际值计算方差，当方差大于第一阈值时，反馈调节深度卷积神经网络中各个卷积核的权重；D.每重复B步骤和C步骤，将验证集中的图像与提取的多个特征向量进行比对，获得损失率，直至损失率稳定在小于第二阈值时，停止重复B步骤和C步骤，获得包含多个特征向量的识别模型，提高了识别的准确性和识别的效率。

主权项

一种基于深度学习的车型识别方法，其特征在于，包括如下内容：A.将数据库中针对同一型号车辆的多角度图像划分并存储至训练集和验证集，并将其压缩成预设范围像素的数据集，计算其像素均值；B.将所述预设范围像素的数据集以及像素均值信息导入深度卷积神经网络中进行卷积运算，从而提取每一型号车辆的特征向量；C.将每一型号车辆的特征向量与训练集中的图像的实际值计算方差，当方差大于第一阈值时，反馈调节深度卷积神经网络中各个卷积核的权重；D.通过每重复B步骤和C步骤之后，将验证集中的图像与提取的多个特征向量进行比对，获得损失率，直至所述损失率稳定在小于第二阈值时，停止重复B步骤和C步骤，获得包含多个特征向量的识别模型，作为用来识别匹配的标准。