[发明专利]一种基于深度学习的车辆颜色识别方法与装置有效
| 申请号： | 201710165620.4 | 申请日： | 2017-03-20 |
| 公开（公告）号： | CN107067011B | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 马华东;傅慧源;王高亚 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 北京风雅颂专利代理有限公司 11403 | 代理人： | 李阳;于洁 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的车辆颜色识别方法与装置包括：输入车辆图像作为测试样本与训练样本并进行预处理；使用训练样本训练卷积神经网络，提取深层颜色特征；使用深层颜色特征训练分类器识别测试样本的车辆颜色。本发明提高车辆颜色识别的准确率，精简结构参数，消除过拟合。 | ||
| 搜索关键词： | 一种 基于 深度 学习 车辆 颜色 识别 方法 装置 | ||
【主权项】：
1.一种基于深度学习的车辆颜色识别方法，其特征在于，包括：输入车辆图像作为测试样本与训练样本并进行预处理；使用随机和稀疏连接表在特征维度上构建每个卷积层，并根据多个卷积层构建卷积神经网络对车辆图像反复进行卷积与池化操作；根据每个叠加层第一层的输入与网络叠加层拟合的底层映射学习卷积神经网络的残差映射,为分别在滤波器个数为256，512，1024的多尺度特征融合层后与网络叠加层拟合的底层映射学习卷积神经网络的残差映射添加具有三层构造的残差学习构造块并进行修正线性单元激活，其中，所述三层构造依次为1×1的卷积核、3×3的卷积核与1×1的卷积核；将不同深度上的特征进行归一化并融合为深层颜色特征；使用深层颜色特征训练分类器识别测试样本的车辆颜色。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学，未经北京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710165620.4/，转载请声明来源钻瓜专利网。
