申请/专利权人：平安国际智慧城市科技股份有限公司

申请日：2020-10-19

公开（公告）日：2024-04-19

公开（公告）号：CN112200189B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/762;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2021.12.21#实质审查的生效;2021.01.08#公开

摘要：本发明涉及一种人工智能，提供一种基于SPP‑YOLOv3的车型识别方法、装置及计算机可读存储介质，其中方法包括：通过SpineNet网络模型对待识别车辆图像进行特征提取处理，获取所述待识别车辆图像的车辆特征；通过SPP层对所述车辆特征进行池化处理，获取固定尺寸的车辆特征；对所述固定尺寸的车辆特征进行特征尺度扩展处理，获取多种尺度的车辆特征；通过预先获取的候选区域框对所述多种尺度的车辆特征进行车辆检测与识别，获取每种尺度的车辆特征的预测车辆位置以及预测车辆类型；对所述预测车辆位置以及所述预测车辆类型进行映射处理，获取车辆位置和车辆类型。本发明提高车型识别的准确率。

主权项：1.一种基于SPP-YOLOv3的车型识别方法，其特征在于，所述方法包括：通过SpineNet网络模型对待识别车辆图像进行特征提取处理，获取所述待识别车辆图像的车辆特征；通过SPP层对所述车辆特征进行池化处理，获取固定尺寸的车辆特征；对所述固定尺寸的车辆特征进行特征尺度扩展处理，获取多种尺度的车辆特征；通过预先获取的候选区域框对所述多种尺度的车辆特征进行车辆检测与识别，获取每种尺度的车辆特征的预测车辆位置以及预测车辆类型；对所述预测车辆位置以及所述预测车辆类型进行映射处理，获取车辆位置和车辆类型；所述通过SpineNet网络模型对待识别车辆图像进行特征提取处理，获取所述待识别车辆图像的车辆特征，包括如下步骤：对所述待识别车辆图像进行第一卷积处理、最大池化处理、重采样处理和第二卷积处理后获取所述待识别车辆图像的车辆特征；其中，所述第一卷积处理包括卷积、批归一化和采用Swish激活函数进行处理；所述第二卷积处理包括卷积、批归一化和利用Relu激活函数进行处理；所述通过SPP层对所述车辆特征进行池化处理，获取固定尺寸的车辆特征，包括如下步骤：对所述车辆特征进行最大池化处理，得到二维的车辆特征；对所述二维的车辆特征进行降维处理，得到一维的车辆特征；对所述一维的车辆特征进行拼接处理，得到固定尺寸的车辆特征；所述对所述固定尺寸的车辆特征进行特征尺度扩展处理，获取多种尺度的车辆特征，包括如下步骤：对所述固定尺寸的车辆特征多次进行第三卷积处理、卷积处理、上采样以及特征拼接处理，获取多种尺度的车辆特征；其中，所述第三卷积处理包括卷积、批归一化和采用LeakyRelu激活函数处理；其中，批归一化处理为将一个批处理中的特征矩阵中的对应元素进行标准正态分布归一化，所述批归一化处理采用的公式为： 式中，BN表示神经网络中每个隐层神经元的激活值，X表示激活输入值，γ、β分别表示训练参数，μ表示平均值，σ表示标准差。

全文数据：

权利要求：

百度查询： 平安国际智慧城市科技股份有限公司 基于SPP-YOLOv3的车型识别方法、装置及计算机可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD