[发明专利]基于深度学习的多任务车辆部件识别模型、方法和系统有效
| 申请号： | 201810328845.1 | 申请日： | 2018-04-14 |
| 公开（公告）号： | CN108647700B | 公开（公告）日： | 2021-08-03 |
| 发明（设计）人： | 桑农;杨丽秦;李亚成;高常鑫 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 李智;曹葆青 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的多任务车辆部件识别模型、方法和系统，包括：基于车辆图像数据库建立车辆部件数据库并对车辆部件进行标记，对车辆部件数据库进行图像数据增强得到车辆部件训练集；利用车辆部件训练集训练深度残差网络，得到车辆部件识别网络；基于车辆图像数据库，统计多个车辆部件不同类型同时出现的概率，得到多个车辆部件的联合概率，基于多个车辆部件的联合概率建立多任务车辆部件识别的数据集和对应多标签；用来训练车辆部件识别网络得到多任务的车辆部件识别模型。利用多任务的车辆部件识别模型对待检测车辆图像进行识别，得到待检测车辆图像中每个车辆部件的概率。本发明网络训练简单、易收敛、数据易获取且识别准确率高。 | ||
| 搜索关键词： | 基于 深度 学习 任务 车辆 部件 识别 模型 方法 系统 | ||
【主权项】：
1.一种基于深度学习的多任务车辆部件识别模型的训练方法，其特征在于，包括：(1)基于车辆图像数据库，建立车辆部件数据库并对车辆部件进行标记，对车辆部件数据库进行图像数据增强，得到车辆部件训练集；(2)利用车辆部件训练集训练深度残差网络，在训练时，将各个部件类别对应的图片数量作为权值添加至Softmax损失函数中，进而得到车辆部件识别网络；(3)基于车辆图像数据库，统计多个车辆部件不同类型同时出现的概率，得到多个车辆部件的联合概率，基于多个车辆部件的联合概率建立多任务车辆部件识别的数据集和对应多标签；(4)利用多任务车辆部件识别的数据集和对应多标签训练车辆部件识别网络，得到多任务车辆部件识别模型。
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华中科技大学，未经华中科技大学许可，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/201810328845.1/，转载请声明来源钻瓜专利网。
- 上一篇：任务图像处理方法、装置、设备及存储介质
- 下一篇：一种快速车号识别方法
