[发明专利]一种基于单网络多任务学习的车辆多属性检测方法在审
| 申请号： | 201910086525.4 | 申请日： | 2019-01-29 |
| 公开（公告）号： | CN109886147A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 候少麒;殷光强;石方炎;向凯;杨晓宇 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 成都其高专利代理事务所(特殊普通合伙) 51244 | 代理人： | 廖曾;贺立中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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单网络多任务学习的车辆多属性检测方法，该方法包括：图片收集与筛选；数据集制作；网络设计，基于Darknet深度学习框架，根据车辆多属性的特点采用端到端的、一阶段非级联模式设计网络结构，搭建网络模型；模型训练，设定并调整模型参数，根据设计的网络模型训练车辆多属性数据集，并在训练时，进行数据增强和多尺度训练；模型测试和模型评估六个步骤。本发明基于Darknet的深度学习框架平台进行设计、搭建网络模型，是一种端到端的一阶段非级联结构，网络通过采用数据增强、卷积核分离、多尺度特征融合等技术，提升了车辆多属性的检测效果，在实现较高检测精确率和查全率的同时，具有较好的实时性。 | ||
| 搜索关键词： | 网络模型 任务学习 属性检测 数据增强 单网络 多尺度特征 级联结构 级联模式 框架平台 模型参数 模型测试 模型评估 模型训练 属性数据 图片收集 网络结构 网络设计 查全率 多尺度 卷积核 实时性 数据集 检测 筛选 学习 融合 制作 网络 | ||
【主权项】：
1.一种基于单网络多任务学习的车辆多属性检测方法，其特征在于：该方法包括：步骤一：图片收集与筛选；步骤二：数据集制作，根据VOC标准数据集格式制作车辆多属性数据集；步骤三：网络设计，基于Darknet深度学习框架，根据车辆多属性的特点采用端到端的、一阶段非级联模式设计网络结构，搭建网络模型；步骤四：模型训练，设定并调整模型参数，根据设计的网络模型训练车辆多属性数据集，并在训练时，进行数据增强和多尺度训练；步骤五：模型测试，利用训练好的网络模型进行车辆多属性测试；步骤六：模型评估。
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电子科技大学，未经电子科技大学许可，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/201910086525.4/，转载请声明来源钻瓜专利网。
