[发明专利]基于多任务深度学习的修正局部敏感哈希车辆检索方法有效
| 申请号： | 201711135951.X | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN108108657B | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 何霞;汤一平;陈朋;王丽冉;袁公萍;金宇杰 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06F16/31 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于多任务深度学习的修正局部敏感哈希车辆检索方法，采用多任务端到端的卷积神经网络分段并行对车辆车型、车系、车标、颜色、车牌同时进行识别，基于特征金字塔提取车辆图像实例特征的网络模块，利用修正局部敏感哈希排序算法对数据库中车辆特征进行排序的算法，在无法获取检索车辆图像的跨模态文本检索方法。本发明提出了一种多任务端到端的卷积神经网络和修正局部敏感哈希车辆检索方法，有效提高车辆检索的自动化和智能化水平，且用较少的存储空间，较快的检索速度来满足大数据时代的图像检索要求。 | ||
| 搜索关键词： | 基于 任务 深度 学习 修正 局部 敏感 车辆 检索 方法 | ||
【主权项】：
1.一种基于多任务深度学习的修正局部敏感哈希车辆检索方法，其特征在于，包括以下步骤：1)构建用于深度学习和训练识别的多任务端到端的卷积神经网络，训练数据和逐层递进的网络结构深入地学习车辆各种属性信息，包括车型、车系、车标、颜色和车牌；2)利用步骤1)的多任务卷积神经网络采用分段并行学习和编码策略构建车辆属性哈希码；3)利用金字塔池化层和向量压缩层构建特征金字塔模块，以适应不同尺寸的卷积特征图输入提取车辆的实例特征；4)利用步骤3)得到的实例特征构建局部敏感再排序算法；5)构建在无法获取检索车辆图像情况下的跨模态检索方法，实现车辆检索。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711135951.X/，转载请声明来源钻瓜专利网。
