[发明专利]一种基于深度学习的车辆关键点的提取方法、装置和设备在审
| 申请号： | 201811496187.3 | 申请日： | 2018-12-07 |
| 公开（公告）号： | CN109657689A | 公开（公告）日： | 2019-04-19 |
| 发明（设计）人： | 毛亮;薛昆南;朱婷婷;黄仝宇;汪刚;宋一兵;侯玉清;刘双广 | 申请（专利权）人： | 高新兴科技集团股份有限公司 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 广州国鹏知识产权代理事务所(普通合伙) 44511 | 代理人： | 何志军 |
| 地址： | 510530 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请属于计算机视觉技术领域，尤其涉及一种基于深度学习的车辆关键点的提取方法、装置和设备。本申请公开了一种基于深度学习的车辆关键点的提取方法、装置和设备，其中方法包括：获取待检测车辆图片；将所述待检测车辆图片输入至基于预置卷积神经网络的预置关键点提取模型，得到所述待检测车辆图片的多个关键点坐标，所述预置关键点提取模型为车辆图片和多个关键点坐标的关联关系模型；所述预置卷积神经网络为：一个data层，五个conv层，两个LRN层，三个pooling层和两个fc层。解决了现有车辆关键点的提取方法鲁棒性差且使用受局限的技术问题。 | ||
| 搜索关键词： | 关键点 预置 待检测车辆 卷积神经网络 计算机视觉技术 关联关系模型 车辆图片 图片输入 鲁棒性 申请 学习 局限 图片 | ||
【主权项】：
1.一种基于深度学习的车辆关键点的提取方法，其特征在于，包括：获取待检测车辆图片；将所述待检测车辆图片输入至基于预置卷积神经网络的预置关键点提取模型，得到所述待检测车辆图片的多个关键点坐标，所述预置关键点提取模型为车辆图片和多个关键点坐标的关联关系模型；所述预置卷积神经网络为：一个data层，五个conv层，两个LRN层，三个pooling层和两个fc层。
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高新兴科技集团股份有限公司，未经高新兴科技集团股份有限公司许可，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/201811496187.3/，转载请声明来源钻瓜专利网。
