[发明专利]一种基于改进高效率网络的车型识别方法

权利要求书

1.一种基于改进高效率网络的车型识别方法，其特征在于，包括：

步骤一：对车型分类数据集进行预处理，对样本数量多的车型进行随机抽取，对样本数量少的车型进行数据扩充，保证数据集的分布均匀；

步骤二：将处理完的数据集输入到EfficientNetB0~B7的八个网络中进行训练，选择与数据集最为匹配的网络作为基础分类网络；

步骤三：使用MBConv卷积块为基本模块，利用深度可分离卷积代替普通卷积，在网络最后添加softmax分类器进行分类；

步骤四：标签平滑正则化对损失函数进行处理来代替原始模型中的交叉熵损失函数；

步骤五：将处理完后的数据集输入到改进后的EfficientNet中进行分类。

2.根据权利要求1 所述的车型识别方法，其特征在于，在步骤一中，使用BIT-Vehicles数据集，由于不同车型之间的图像数据量相差过大，为防止因数据集分布不均而造成的误差，通过调节图像亮度、图像翻转等方法对样本量较小的车型类别数据进行了数据扩充，对样本量较大的车型类别进行了随机抽取，并将图像分辨率归一化为224×224大小。

3.根据权利要求1 所述的车型识别方法，其特征在于，EfficientNets的主要思想是通过复合缩放的方法提出一个固定的比例，来平衡网络的深度(d)、宽度(w)、分辨率(r)，复合缩放的方式如式Ⅰ：

式Ⅰ；

式中φ为复合系数，α，β，γ分别为通过网络搜索的到的深度分配系数，宽度分配系数和分辨率分配系数，实现三个维度之间的平衡，解决了通过增加单个维度而使准确率达到饱和的情况，通过固定复合系数φ，经过网格搜索来确定最优的α，β，𝛾，得到最基本的模型EfficientNet-B0，然后在固定α，β，𝛾，改变φ，得到一系列对应的d，w，r，并且设置对应的丢弃率，最终构成EfficientNetB0-B7系列网络。

4.根据权利要求1 所述的车型识别方法，其特征在于，在步骤三中，采用深度可分离卷积代替普通卷积，在同等参数量的情况下，深度可分离卷积比普通卷积取得更深层的网络，深度可分离卷积的参数量（Parmas）和计算量（FLOPs）的计算过程如式Ⅱ、式Ⅲ：

式Ⅱ；

式Ⅲ；

式中为特征图高，为特征图宽，为输入通道数，为输出通道数，、分别为卷积核的高和宽，运用深度可分离卷积极大的降低了模型的参数量和计算量，实现了卷积通道和区域的分离，同时还保证了网络的精度，提高网络的检测速度。

5.根据权利要求1 所述的车型识别方法，其特征在于，EfficientNet改进后的网络参数结构一共有16 层 MBConv卷积层，最后一层为一个卷积层经过平均池化后输出给全连接层，通过增加一个softmax分类器与全连接层连接，将输出结果映射到(0,1)区间，输出结果为该输入图像识别为不同车型的分类概率，概率总和为1，预测概率最大的车型即为预测车型，以此来得到更好的图像分类效果。