[发明专利]基于多任务学习卷积神经网络的车标识别及属性预测方法有效
| 申请号： | 201710112249.5 | 申请日： | 2017-02-28 |
| 公开（公告）号： | CN106934392B | 公开（公告）日： | 2020-05-26 |
| 发明（设计）人： | 张百灵;夏翌彰;颜诗洋;钱荣强 | 申请（专利权）人： | 西交利物浦大学 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/62;G06N3/08 |
| 代理公司： | 苏州创元专利商标事务所有限公司 32103 | 代理人： | 范晴;丁浩秋 |
| 地址： | 215123 江苏省苏州市*** | 国省代码： | 江苏;32 |
| 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多任务学习卷积神经网络的车标识别及属性预测方法，包括以下步骤：创建基于多任务学习卷积神经网络；采用自适应任务权重学习策略和任务自动开闭学习策略训练卷积神经网络；使用训练好的卷积神经网络对获取的车辆标识图像进行分层提取特征，根据车标数据库进行车标识别及属性预测。该方法基于卷积神经网络结构，采用多任务学习机制，提出自适应任务权重学习策略和任务自动开闭学习策略，能同时判断车标类别和预测车标属性，并且准确率高。 | ||
| 搜索关键词： | 基于 任务 学习 卷积 神经网络 标识 属性 预测 方法 | ||
【主权项】：
一种基于多任务学习卷积神经网络的车标识别及属性预测方法，其特征在于，包括以下步骤：S01：创建基于多任务学习卷积神经网络；S02：采用自适应任务权重学习策略和任务自动开闭学习策略训练卷积神经网络，所述自适应任务权重学习策略为：其中，αi是第i个任务的权重，是第j次所有数据迭代中第i个任务的加权，是第i个任务在第j次迭代后验证误差，β是控制任务权重当前迭代和前一次迭代的权重之间平衡的实验参数，N是任务总数；S03：使用训练好的卷积神经网络对获取的车辆标识图像进行分层提取特征，根据车标数据库进行车标识别及属性预测。
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西交利物浦大学，未经西交利物浦大学许可，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/201710112249.5/，转载请声明来源钻瓜专利网。
