[发明专利]一种基于卷积神经网络AI算法的图像识车实现系统

说明书

本发明公开了一种基于卷积神经网络AI算法的图像识车实现系统，包括：输入模块，用于获取待识别图像；图像识别模块，包括数据单元、AI模型网络单元和结果单元；数据单元具有海量数据训练集，用于获取并保存市面上所有的汽车信息并用于建立识别模型；AI模型网络单元包括车辆角度识别子单元、品牌识别子单元和型号识别子单元；车辆角度识别子单元用于通过识别模型识别待识别图像中的汽车角度；品牌识别子单元用于通过识别模型进一步识别待识别图像中的汽车品牌；型号识别子单元用于通过识别模型对同一品牌内的型号进行识别，以完成识别；结果单元用于获取AI模型网络单元识别完成后的识别结果；输出模块，用于输出识别结果。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于卷积神经网络AI算法的图像识车实现系统。

背景技术

随着市场竞争的加剧，商用车厂商进军乘用车市场，自主乘用车厂商不断推出高端车型向上与合资竞争，合资非豪华厂商设计低成本车型以扩大消费者受众，豪华厂商降低准入门槛，不断推出小型豪华车挤压合资非豪华的高端车型。市面上存在的型号越来越多，据统计，在市面上已有超过200个汽车品牌，2000多个车型，40000多个车型型号。因此过去通过人的经验去识别车型的方法越来越不可行，效率非常低下，并且通常有经验的专业人员很难保证型号粒度的精准度。随着大量图片的积累，应用深度学习方法训练出图片识别模型，用于分辨汽车的型号和参数值已成为可能并逐渐成为未来方向，成为了汽车行业极需解决的问题。

发明内容

本发明提供了一种基于卷积神经网络AI算法的图像识车实现系统，以解决现有技术中无法在图像中快速识别出汽车具体型号和参数值的技术问题，从而基于卷积神经网络AI算法建立AI识别模型，对图像进行快速识别，进而实现在图像中快速识别出汽车具体型号和参数值。

为了解决上述技术问题，本发明实施例提供了一种基于卷积神经网络AI算法的图像识车实现系统，包括：

输入模块，用于获取待识别图像；

图像识别模块，包括数据单元、AI模型网络单元和结果单元；所述数据单元具有海量数据训练集，用于获取并保存市面上所有的汽车信息并用于建立识别模型，覆盖全市场各品牌各车型的车，以便能提高模型的泛化能力；根据模型和实际需求，对获取的图片进行角度标注，分为前方、侧面，后方、车灯、轮毂以及内饰等方位，使得模型训练针对性更强，识别更精准；所述AI模型网络单元包括车辆角度识别子单元、品牌识别子单元和型号识别子单元；所述车辆角度识别子单元用于通过所述识别模型识别所述待识别图像中的汽车角度；所述品牌识别子单元用于通过所述识别模型进一步识别所述待识别图像中的汽车品牌；所述型号识别子单元用于通过所述识别模型对同一品牌内的型号进行识别，以完成识别；所述结果单元用于获取所述AI模型网络单元识别完成后的识别结果；

输出模块，用于输出所述识别结果；

所述图像识别模块还包括网络结构选取与改造单元，所述网络结构选取与改造单元用于选取inception-res-v2作为基础网络，导入网络在大型数据集ImageNet上预训练的权重，根据汽车图片数据集的需要，改造成合适的网络，设立合适的损失函数，优化网络。

作为优选方案，所述数据单元保存的汽车信息包括：海量的二手车源的真实图片、海量的汽车品牌及其车型信息，以及图片覆盖车型的各种颜色，同时包含各种拍摄角度与拍摄环境。

作为优选方案，所述通过所述识别模型识别所述待识别图像中的汽车角度，包括：对同一车源的不同角度图片进行筛选，仅选取信息量最大的正面图片作为分类标识进入模型，使模型达到通过一张图片识别整车的目的。

作为优选方案，所述海量数据训练集包括标准新车图片库，所述标准新车图片库用于对新车的标准图片进行保存，对原始图片的分类信息进行细节比对审查，确保图片分类信息的正确性。