[发明专利]一种车型识别方法及装置

权利要求书

1.一种车型识别方法，其特征在于，所述方法包括：

获取待识别车辆的图像；

在训练得到的识别模型的各个特征节点中，确定当前特征节点到输出层的车型类别节点之间的各个通道的权重；

其中，训练得到的识别模型是如下方式训练得到的第二识别模型：

通过预设的第一识别模型识别第一训练集中的训练样本；确定用于描述误识别训练样本的原始车辆类别与误识别车型类别之间对应的混淆度矩阵；计算每个误识别样本的原始车型类别与误识别车型类别之间的相似度；针对相似度超过相似度阈值的每个误识别样本，将该误识别样本的原始车型类别与误识别车型类别组成第一相似车型列表；基于所述第一相似车型列表中的车型类别，确定用于组成目标训练集的第一样本以及第二样本；使用所述目标训练集对所述第一识别模型进行训练得到的第二识别模型；

将权重小于第一权重阈值的连接通道组成待剪枝连接通道集合；

针对第二相似车型列表中对应的车型类别，如果当前特征节点到该车型类别对应的车型类别节点的最大权重小于第二权重阈值，则在所述待剪枝连接通道集合中保留当前特征节点到该车型类别节点的所有连接通道；

其中，所述第二相似车型列表是基于第二识别模型的混淆度矩阵，重新组成的相似车型列表；

在所述第二识别模型的全连接层剪掉在所述待剪枝连接通道集合中的连接通道，得到剪枝后的第二识别模型；

使用剪枝后的第二识别模型，识别所述待识别车辆的图像，得到所述待识别车辆的车型类别。

2.根据权利要求1所述的车型识别方法，其特征在于，所述确定用于描述误识别训练样本的原始车辆类别与误识别车型类别之间对应的混淆度矩阵包括：

获取第一训练集；

针对所述第一训练集中的每个训练样本，使用预设的第一识别模型识别所述样本，得到所述训练集的第一识别结果；

在所述第一识别结果中，确定第一识别模型的混淆度矩阵；

其中，所述混淆度矩阵中每个元素描述误识别样本的原始车型类别与误识别车型类别之间的对应关系。

3.根据权利要求1所述的车型识别方法，其特征在于，所述基于所述第一相似车型列表中的车型类别，确定用于组成目标训练集的第一样本以及第二样本的步骤，包括：

基于预设的目标样本数值，确定原始车型类别下的第一样本数以及误识别车型类别下的第二样本数；

从所述第一训练集中采样得到第一样本直至达到第一样本数，并采集第二样本直至达到第二样本数；

将第一样本以及第二样本组成目标训练集。

4.根据权利要求3所述的车型识别方法，其特征在于，所述基于预设的目标样本数值，确定原始车型类别下的第一样本数以及误识别车型类别下的第二样本数的步骤包括：

将预设的目标样本数值与元素之差的乘积，确定为原始车型类别下的第一样本数；

所述将预设的目标样本数值与元素之差的乘积，确定为原始车型类别下的第一样本数包括：

确定目标训练集中目标样本数值为L，并确定原始车型类别i下的第一样本数为SD_ij表示表明车型类别i和车型类别j之间的相似度，th表示相似度阈值；

将预设的目标样本数值与所述第一相似车型列表中每个元素之和的乘积，确定为第二样本数；

其中，第二样本数为L*SD_ij。

5.根据权利要求4所述的车型识别方法，其特征在于，所述将第一样本以及第二样本组成目标训练集包括：

从原始车型类别下的样本中选择第一样本加入目标训练集中，在误识别车型类别下的样本中选择第二样本加入目标训练集；

当所述目标训练集中的样本数未达到目标样本数值时，从原始车型类别下的样本中选择第一样本加入目标训练集直至目标训练集中的样本数达到目标样本数值。