[发明专利]车载环境下基于卷积神经网络的车型识别方法在审
| 申请号： | 201810540260.6 | 申请日： | 2018-05-30 |
| 公开（公告）号： | CN108898060A | 公开（公告）日： | 2018-11-27 |
| 发明（设计）人： | 殷绪成;陈敏捷;李鑫杰;杨春 | 申请（专利权）人： | 珠海亿智电子科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 519080 广东省珠海市高*** | 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： | 本发明公开了一种车载环境下基于卷积神经网络的车型识别方法，提出了用于车型识别的语义紧凑双线性池化方法，它将分层标签树和紧凑双线性池化结合在一起，并在CompCars数据集和斯坦福汽车数据集上展现出了优越的性能。通过这种方式，紧凑双线性池化方法在汽车不同级别的语义之间使用语义连接，并且在训练期间使它们相互加强。本发明将softmax损失函数推广到旨在充分利用先验知识的规避损失函数。实验表明，本发明提高了CompCars数据集和斯坦福汽车数据集上的车型识别任务的准确率。 | ||
| 搜索关键词： | 车型识别 双线性 池化 紧凑 卷积神经网络 语义 车载环境 汽车数据 损失函数 数据集 先验知识 语义连接 标签树 准确率 分层 汽车 | ||
【主权项】：
1.一种车载环境下基于卷积神经网络的车型识别方法，其特征在于，用于车型识别的语义紧凑双线性池化方法，旨在充分利用先验知识的规避损失函数；所述用于车型识别的语义紧凑双线性池化方法，将分层标签树和紧凑双线性池化结合在一起，将汽车不同级别的语义进行连接；所述规避损失函数，充分利用先验知识对softmax损失函数进行推广，基于汽车语义不同层次的标签之间的相互依赖性来构建标签矩阵。
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珠海亿智电子科技有限公司，未经珠海亿智电子科技有限公司许可，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/201810540260.6/，转载请声明来源钻瓜专利网。
- 上一篇：花卉识别方法及其设备
- 下一篇：一种用于实现AR的方法及系统
