[发明专利]一种基于卷积神经网络的车型识别方法在审
| 申请号： | 201910904657.3 | 申请日： | 2019-09-24 |
| 公开（公告）号： | CN110598801A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 赵宏阳;付俊;井元伟 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06F16/55 |
| 代理公司： | 21109 沈阳东大知识产权代理有限公司 | 代理人： | 李在川 |
| 地址： | 110819 辽宁*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于卷积神经网络的车型识别方法，属于智能交通中的车型识别技术领域，该方法采用数据增强策略扩增数据集，使数据集更加贴合实际情况，在Inception‑V3网络的基础上，针对车型识别，采用Adam优化算法对权值和偏移量进行更新，并借鉴迁移学习思想，提高了车型识别的效率。另外，在损失函数上采用AMSoftmax损失函数代替传统的Softmax损失函数，减小了类内差异，扩大了类间差异，提高不同背景环境下车型识别精度。 | ||
| 搜索关键词： | 车型识别 损失函数 数据集 卷积神经网络 背景环境 类间差异 类内差异 数据增强 优化算法 智能交通 传统的 偏移量 权值和 减小 扩增 贴合 迁移 下车 更新 网络 学习 | ||
【主权项】：
1.一种基于卷积神经网络的车型识别方法，其特征在于包括如下步骤：/n步骤1：采集车型图片数据集，利用数据增强对数据集进行扩增，将扩增后的数据集按一定比例分为训练集和测试集；/n步骤2：借鉴迁移学习的思想，将Inception-V3网络模型在大规模数据集ImageNet上进行训练，得到Inception-V3网络模型各个参数的最优初始值；/n步骤3：采用Adam优化算法对权值和偏移量进行更新，并采用AMSoftmax损失函数对输出分类引入角度特征，来优化Inception-V3网络模型；/n步骤4：将车型图像数据集中的训练集及步骤2得到的网络参数的最优初始值输入到优化后的Inception-V3网络模型中，对模型进行训练；/n步骤5：将车型图像的测试集输入训练好的网络模型中，对车型进行分类。/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东北大学，未经东北大学许可，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/201910904657.3/，转载请声明来源钻瓜专利网。
