[发明专利]一种基于深度学习的以图搜车方法有效
| 申请号： | 201910747926.X | 申请日： | 2019-08-14 |
| 公开（公告）号： | CN110458234B | 公开（公告）日： | 2021-12-03 |
| 发明（设计）人： | 文莉;黄宇恒;金晓峰;梁添才;赵清利 | 申请（专利权）人： | 广州广电银通金融电子科技有限公司;深圳广电银通金融电子科技有限公司;广州广电运通金融电子股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/32;G06N3/04;G06F16/732 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 林梅繁;裘晖 |
| 地址： | 510000 广*** | 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： | 本发明涉及计算机视觉技术领域，具体为基于深度学习的以图搜车方法，其融合了车辆的全局外观特征与局部特征，具有较强的泛化性与鲁棒性。包括步骤：采集实际应用场景的图片；自动对获取的图片打标签，即同一辆车的图片归为一类，建立训练集和测试集；设计神经网络结构；将训练集的样本输入到神经网络结构中进行训练，得到以图搜车模型；利用以图搜车模型计算测试集所有样本的特征向量；特征比对：采用余弦距离计算目标图像特征向量与样本特征向量之间的相似度大小；对得到的相似度，按照从大到小进行排序，得到以图搜车结果。 | ||
| 搜索关键词： | 一种 基于 深度 学习 图搜车 方法 | ||
【主权项】：
1.一种基于深度学习的以图搜车方法，其特征在于，包括如下步骤：/nS1、采集实际应用场景的图片；/nS2、自动对S1获取的图片打标签，即同一辆车的图片归为一类，建立训练集和测试集；/nS3、设计神经网络结构；/nS4、将步骤S2处理好的训练集的样本输入到步骤S3所设计的神经网络结构中进行训练，得到以图搜车模型；/nS5、利用步骤S4中的以图搜车模型计算步骤S2中测试集所有样本的特征向量；/nS6、特征比对：采用余弦距离计算目标图像特征向量与步骤S5所得的每一样本的特征向量之间的相似度大小；/nS7、对步骤S6得到的相似度，按照从大到小进行排序，得到以图搜车结果。/n
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广州广电银通金融电子科技有限公司;深圳广电银通金融电子科技有限公司;广州广电运通金融电子股份有限公司，未经广州广电银通金融电子科技有限公司;深圳广电银通金融电子科技有限公司;广州广电运通金融电子股份有限公司许可，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/201910747926.X/，转载请声明来源钻瓜专利网。
