[发明专利]一种卷积神经网络生成方法及车系识别方法

权利要求书

1.一种用于对图像中的车辆进行车系识别的卷积神经网络生成方法，适于在计算设备中执行，所述方法包括步骤：

构建第一处理块，所述第一处理块包括第一卷积层；

构建第二处理块，所述第二处理块包括依次相连的第二卷积层和第三卷积层，所述第二卷积层的每个卷积核分别对输入的特征图中的1个通道进行卷积，所述第三卷积层的卷积核尺寸为1×1，在所述第二卷积层和第三卷积层之间添加依次相连的第二批标准化层和第二激活层，在所述第三卷积层之后添加依次相连的第三批标准化层和第三激活层，以形成第二处理块；

根据多个第一处理块、第二处理块和池化层，结合全连接层和分类器构建卷积神经网络，所述卷积神经网络以第一处理块为输入，以所述分类器为输出；

根据预先获取的车辆图像数据集合对所述卷积神经网络进行训练，以便所述分类器的输出指示车辆所对应的车系，所述车辆图像数据集合包括多个车辆图像信息，每个车辆图像信息包括车辆图像和对应图像中车辆的车系信息。

2.如权利要求1所述的方法，所述构建第一处理块的步骤还包括：

在所述第一卷积层之后添加依次相连的第一批标准化层和第一激活层，以形成第一处理块。

3.如权利要求1所述的方法，所述池化层为最大池化层和全局平均池化层中任一种。

4.如权利要求1所述的方法，所述根据一个或多个第一处理块、第二处理块和池化层，结合全连接层和分类器构建卷积神经网络的步骤包括：

按照预设的连接规则，将各第一处理块、第二处理块和最大池化层进行相连后，连接全局平均池化层；

在所述全局平均池化层之后添加依次相连的全连接层和分类器，以构建以第一处理块为输入、以所述分类器为输出的卷积神经网络。

5.如权利要求1-4中任一项所述的方法，所述第一处理块和第二处理块的数量均为7。

6.如权利要求3所述的方法，所述最大池化层的数量为5，全局平均池化层的数量为1。

7.如权利要求1-4中任一项所述的方法，还包括预先生成车辆图像数据集合，所述预先生成车辆图像数据集合的步骤包括：

对每一张待处理图片进行图像处理，以获取该待处理图片对应的一张或多张车辆图像；

对每一张车辆图像，获取其对应的待处理图片关联的车系信息，根据所述车系信息与该车辆图像生成相应的车辆图像信息；

汇集各车辆图像信息，以形成车辆图像数据集合。

8.如权利要求7所述的方法，所述对每一张待处理图片进行图像处理，以获取该待处理图片对应的一张或多张车辆图像的步骤包括：

对每一张待处理图片进行车辆检测，以获取该待处理图片的车辆位置信息；

根据所述车辆位置信息对该待处理图片进行裁剪，以获取对应的车辆图片；

对所述车辆图片进行预处理，以生成与该待处理图片关联的一张或多张车辆图像。

9.如权利要求8所述的方法，所述预处理至少包括如下操作中的一种：

平滑、直方图均衡、加噪声、中心化和镜像操作。

10.一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-9所述的方法中的任一方法的指令。

11.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1-9所述的方法中的任一方法。