公开(公告)号：CN111694977A

公开(公告)日：2020-09-22

申请号：CN202010532683.0

申请日：2020-06-12

Applicant: 桂林电子科技大学

Inventor： 谢武 ,  崔梦银 ,  刘满意 ,  强保华 ,  贾清玉 ,  谢天

IPC: G06F16/55 ,  G06F16/583 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于数据增强的车辆图像检索方法，该方法是使用多尺度Retinex算法对现有的公开车辆图像数据进行数据增强，得到一个大规模车辆图像数据集；其次，使用卷积神经网络构建车辆图像检索模型并在增强后的数据集上进行训练，同时采用迁移学习的方法缩短模型的训练周期；最后，选择分类效果表现最好的模型作为特征提取引擎在检索测试集上进行模型评价。该方法解决了车辆图像缺乏和人为标注等带来的影响，在一定程度上可以增加模型的准确率和泛化能力。使用迁移学习的方法加快模型收敛的速度，减少训练的时间，提高车辆图像检索的准确率。

公开(公告)号：CN111694974A

公开(公告)日：2020-09-22

申请号：CN202010532689.8

申请日：2020-06-12

Applicant: 桂林电子科技大学

Inventor： 谢武 ,  崔梦银 ,  刘满意 ,  强保华 ,  贾清玉 ,  谢天

IPC: G06F16/51 ,  G06F16/583 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合注意力机制的深度哈希车辆图像检索方法，目的是为了提高车辆图像检索的准确率。由于数据量的增大和特征维数的增高所带来庞大计算量及获取特征向量中包含较多的干扰因素导致精确度低的问题。本发明针对该问题，引入注意力机制，提出了融合注意力机制的残差网络深度哈希模型，该模型借助注意力机制来识别车辆图像中多个目标对象的近似位置，以获得一个更为专注的特征表示。同时，本发明引入类别交叉熵损失函数来解决融入注意力机制的模型学习。