[发明专利]车型识别方法、电子设备及相关产品

权利要求书

1.一种车型识别方法，其特征在于，应用于电子设备，所述电子设备包括神经网络模型，所述神经网络模型包括第一层级网络、第二层级网络、第三层级网络、第四层级网络和第五层级网络，所述方法包括：

获取待处理图像，所述待处理图像为车辆图像；

将所述待处理图像划分为A1个小块，将所述A1个小块输入到所述神经网络模型以进行第一处理，得到第一分类结果，所述A1为正整数；

将所述待处理图像划分为A2个小块，将所述A2个小块输入到所述神经网络模型以进行第二处理，得到第二分类结果，所述A2为小于所述A1的正整数；

将所述待处理图像划分为A3个小块，将所述A3个小块输入到所述神经网络模型以进行第三处理，得到第三分类结果，所述A3为小于所述A2的正整数；

将所述第一分类结果、所述第二分类结果和所述第三分类结果进行级联拼接，得到级联分类结果；

对所述级联分类结果进行分类处理，得到目标分类结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述A1个小块输入到所述神经网络模型以进行第一处理，得到第一分类结果，包括：

对所述神经网络模型的所述第四层级网络和所述第五层级网络进行第一冻结操作；

将所述A1个小块输入到第一冻结操作后的所述神经网络模型，得到第一中间结果，通过第一卷积模块对所述第一中间结果进行卷积运算，得到第一特征；

基于第一预设损失函数和第一分类模块对所述第一特征进行分类操作，得到所述第一分类结果。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述A2个小块输入到所述神经网络模型以进行第二处理，得到第二分类结果，包括：

对所述神经网络模型的所述第四层级网络进行第二冻结操作；

将所述A2个小块输入到第二冻结操作后的所述神经网络模型，得到第二中间结果，通过第二卷积模块对所述第二中间结果进行卷积运算，得到第二特征；

基于第二预设损失函数和第二分类模块对所述第二特征进行分类操作，得到所述第二分类结果。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述第一分类结果、所述第二分类结果和所述第三分类结果进行级联拼接，得到级联分类结果，包括：

将所述待处理图像输入到所述神经网络模型，得到运算结果；

将所述运算结果、所述第一分类结果、所述第二分类结果和所述第三分类结果进行级联拼接，得到所述级联分类结果。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述获取待处理图像，包括：

获取目标环境参数；

按照预设的环境参数与拍摄参数之间的映射关系，确定所述目标环境参数对应的参考拍摄参数；

获取车辆目标行驶参数；

按照预设的行驶参数与调节系数之间的映射关系，确定所述目标行驶参数对应的目标调节系数；

依据所述目标调节系数对所述参考拍摄参数进行调节，得到目标拍摄参数；

依据所述目标拍摄参数对所述车辆进行拍摄，得到所述待处理图像。