[发明专利]基于弱监督定位和子类别相似性度量的细粒度车型识别方法有效
| 申请号： | 201811208757.4 | 申请日： | 2018-10-17 |
| 公开（公告）号： | CN109359684B | 公开（公告）日： | 2021-10-29 |
| 发明（设计）人： | 戴兴华;王朝晖;刘纯平;钟珊;龚声蓉 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 苏州科仁专利代理事务所(特殊普通合伙) 32301 | 代理人： | 周斌;陆彩霞 |
| 地址： | 215000*** | 国省代码： | 江苏;32 |
| 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弱监督定位和子类别相似性度量的细粒度车型识别方法，包括：1）弱监督定位：用预训练好的VGG‑Net网络对图像目标定位，对卷积层的掩码图进行处理，获取目标物体的边界框；2）构建模糊相似矩阵：将训练集中定位后的图片利用B‑CNN网络提取特征，根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵；3）采样组建三元组集：在模糊相似矩阵基础上采样组建三元组；4）联合学习改进的损失函数：利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制，增大不同子类别样本间的距离。本发明较原始模型定位更加准确、并且在分类准确性上有明显提升，能够很好地对车辆目标进行定位。 | ||
| 搜索关键词： | 基于 监督 定位 类别 相似性 度量 细粒度 车型 识别 方法 | ||
【主权项】：
1.一种基于弱监督定位和子类别相似性度量的细粒度车型识别方法，其特征在于，包括以下步骤：1)弱监督定位首先用预训练好的VGG‑Net网络对图像目标定位，以减少背景干扰，接着对卷积层的掩码图进行处理，获取目标物体的边界框；2)构建模糊相似矩阵将训练集中定位后的图片利用B‑CNN网络提取特征，之后根据softmax分类结果得到度量各子类别相似性的模糊相似矩阵；3)采样组建三元组集在模糊相似矩阵基础上采样组建三元组，相似度越高的两个不同子类别采样比率越高，特征间距越大的同一子类别的图像越容易被选中；4)联合学习改进的损失函数利用改进的损失函数联合学习改进的triplet损失和加权的softmax损失对同一子类别样本间距离进行限制，同时增大不同子类别样本间的距离。
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苏州大学，未经苏州大学许可，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/201811208757.4/，转载请声明来源钻瓜专利网。
