[发明专利]一种用于精细化识别车辆属性的深度神经网络及训练方法在审
| 申请号： | 201810194741.6 | 申请日： | 2018-03-09 |
| 公开（公告）号： | CN108549926A | 公开（公告）日： | 2018-09-18 |
| 发明（设计）人： | 林倞;周启贤;吴文熙;陈日全 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 广州容大益信专利代理事务所(普通合伙) 44397 | 代理人： | 牛丽霞;汪小梅 |
| 地址： | 510000 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于精细化识别车辆属性的深度神经网络及训练方法，该网络包括：深度残差网络，用于对输入的图片进行特征提取，得到特征图；特征迁移层，包括多个特征迁移单元，用于针对各属性识别任务迁移共享的特征，使之适应于特定的任务；多个全连接层，对应各属性识别任务分支，连接于特征迁移层，以得到对应各属性识别任务的特征向量；多个损失计算单元，对应各属性识别任务分支，分别连接各全连接层，用于使用交叉熵作为多分类器的损失函数计算损失；多个参数更新单元，对应于各属性识别任务，连接各损失计算单元，通过随机梯度下降优化算法回传损失，更新参数，本发明实现了只用一个神经网络就能同时识别多种精细化的车辆属性的目的。 | ||
| 搜索关键词： | 属性识别 车辆属性 神经网络 精细化 损失计算单元 连接层 迁移层 参数更新单元 多分类器 更新参数 任务迁移 随机梯度 损失函数 特征提取 特征向量 网络包括 优化算法 交叉熵 特征图 残差 回传 迁移 共享 网络 图片 | ||
【主权项】：
1.一种用于精细化识别车辆属性的深度神经网络，包括：深度残差网络，用于对输入的图片进行特征提取，得到特征图，所提取的特征供多个属性识别任务共享；特征迁移层，包括多个特征迁移单元，用于针对各属性识别任务迁移共享的特征，使之更适应于特定的任务；多个全连接层，对应各属性识别任务分支，连接于所述特征迁移层，以得到对应各属性识别任务的特征向量；多个损失计算单元，对应各属性识别任务分支，分别连接各全连接层，用于使用交叉熵作为多分类器的损失函数计算损失，并于损失计算后，通过随机梯度下降优化算法回传损失，更新参数。
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中山大学，未经中山大学许可，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/201810194741.6/，转载请声明来源钻瓜专利网。
