[发明专利]基于迁移学习实现跨场景冷启动的车型识别装置与方法有效
申请号: | 201811366611.2 | 申请日: | 2018-11-16 |
公开(公告)号: | CN109657552B | 公开(公告)日: | 2022-11-29 |
发明(设计)人: | 王洪波;薛茜;崔彤 | 申请(专利权)人: | 北京邮电大学 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/82 |
代理公司: | 北京德琦知识产权代理有限公司 11018 | 代理人: | 夏宪富 |
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: | 一种基于迁移学习实现跨场景冷启动的车型识别装置与方法,该车型识别装置设有三个组成部件:数据处理单元,网络训练单元和识别应用单元,本发明是在目标域只有少量已标注车型信息的车辆图像数据时,采用迁移学习的域适应方法,减少旧车型识别场景的源域和新车型识别场景的目标域之间的车型识别卷积神经网络模型的参数差异性,实现从旧车型识别场景到新车型识别场景的车型识别卷积神经网络模型的参数迁移,实现跨场景冷启动的车型识别。本发明能够用于实际智慧交通工程的初始阶段,在缺乏实际车型识别场景的已标注车型信息的车辆图像数据的条件下,使得卷积神经网络模型在车型识别任务上达到一个较高的准确率,具有较好的应用前景。 | ||
搜索关键词: | 基于 迁移 学习 实现 场景 冷启动 车型 识别 装置 方法 | ||
【主权项】:
1.一种基于迁移学习实现跨场景冷启动的车型识别装置,其特征在于:所述装置是采用迁移学习的域适应方法,减少旧车型识别场景的源域和新车型识别场景的目标域之间的车型识别卷积神经网络模型的参数差异性,实现从旧车型识别场景到新车型识别场景的车型识别卷积神经网络模型的参数迁移,也就是实现跨场景冷启动的车型识别;该装置设有三个组成部件:数据处理单元,网络训练单元和识别应用单元;其中:数据处理单元,负责获取车辆图像数据,并对所获得的车辆图像数据进行分类筛选后,传送给网络训练单元;设有两个组件:车辆图像数据获取模块和车辆图像数据筛选模块;其中:车辆图像数据获取模块是从互联网中爬取所需的对应车辆图像,或者下载已公开的其他场景的对应车辆图像集,再将该两种车辆图像保存于本地,因该两种车辆图像在获取前均已标注车型信息,故被称为旧场景车辆图像;同时获取当前车型识别场景的设定数量的车辆图像,并对该类车辆图像标注车型信息,并称其为当前场景已标注信息的车辆图像;然后将所获取的该两类车辆图像:旧场景车辆图像和当前场景已标注信息的车辆图像,都传送到车辆图像数据筛选模块;车辆图像数据筛选模块负责从旧场景车辆图像中,分类筛选出与当前场景已标注信息的车辆图像尽可能相同或相近的车辆图像,用作微调模块的训练图像:先把旧场景车辆图像集合分为两个子集:旧场景支持向量机SVM(Support Vector Machine)训练集和旧场景SVM筛选集;车辆图像数据筛选模块又从当前场景已标注信息的车辆图像中挑选设定数量的车辆图像作为当前场景SVM训练集;然后用旧场景SVM训练集和当前场景SVM训练集的两类车辆图像训练SVM分类器实现二分类:与旧场景图像相似类、即与当前场景图像不相似类,以及与当前场景图像相似类;此外,还对旧场景SVM筛选集中的每张车辆图像进行分类筛选:只筛选保存其中被分类为与当前场景图像相似类的车辆图像,并传输给网络训练单元,作为网络训练单元中的微调模块的训练图像,以使微调模块训练参数更接近于当前车型识别场景中的车型识别模型参数,提高车型识别准确率;网络训练单元,负责对接收的筛选后的微调模块训练图像以及当前场景已标注信息的车辆图像进行训练,也就是对该卷积神经网络模型中的参数数值在训练过程中继续进行修正,以便能够用作车型识别卷积神经网络模型中的参数;再将更新修正后的训练参数传送给识别应用单元;设有微调模块和迁移学习模块;其中:微调模块使用卷积神经网络模型,在ImageNet大规模图像识别数据集的预训练模型参数基础上对微调模块训练图像进行训练,以使该卷积神经网络模型能够实现高识别准确率,再将该训练后的卷积神经网络模型各项参数传输给迁移学习模块;迁移学习模块使用与微调模块相同的卷积神经网络模型和加入域适应方法,基于微调模块输出的卷积神经网络模型各项参数,分别对微调模块训练图像和当前场景已经标注信息的车辆图像再次进行训练,然后将该迁移学习模块训练后的各项参数,输出到识别应用单元;识别应用单元,作为该装置的关键模块,负责利用来自迁移学习模块的各项参数作为车型识别模块中的卷积神经网络模型的参数,控制和执行当前车型识别场景中的车型识别处理全部操作;设有摄像头,视频流处理模块,车型识别模块和识别结果存储模块;其中:摄像头负责实时获取所设关卡的道路信息,并将所拍摄的该关卡道路的视频数据流输出给视频流处理模块;视频流处理模块负责对接收的视频数据流进行分析处理后,将从其中的每帧或抽样帧中截取所有的车辆图像,即当前场景待识别的车辆图像,再输送到车型识别模块;车型识别模块使用与微调模块相同的卷积神经网络模型和加载迁移学习模块输出的各项参数后,利用该卷积神经网络模型对每帧或抽样帧中截取的车辆图像进行车型识别,判断该车辆所归属的车型品牌、型号和生产年份,最后将该车型识别判断结果传送给识别结果存储模块;识别结果存储模块负责在其数据库中存储和标记所接收的车辆图像及其车型识别结果,以便用于管理和查询。
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/201811366611.2/,转载请声明来源钻瓜专利网。
- 上一篇:一种基于上下文信息增强的人脸检测方法
- 下一篇:一种学生课堂注意力检测方法