公开(公告)号：CN109214441A

公开(公告)日：2019-01-15

申请号：CN201810968895.6

申请日：2018-08-23

Applicant: 桂林电子科技大学

Inventor： 蔡晓东 ,  万今朝

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种细粒度车型识别系统及方法，方法包括以下步骤：构建车辆样本数据库，利用Fast-RCNN对样本数据库内的样本图片进行目标检测，截取出目标车辆的图片；构建奇异值分解卷积神经网络，使用中心距离损失和分类损失的融合损失，将目标车辆的图片导入到所述的奇异值分解卷积神经网络进行训练，得到训练模型；提取训练模型中全连接层的权重矩阵W，对权重矩阵W进行奇异值分解后重新赋值并调整，获得细粒度车型识别模型；采用细粒度车型识别模型对车辆样本数据库内的样本图片进行分类识别，识别出车辆样本数据库中的车辆。相对现有技术，本发明可以去除具有相关性的冗余特征，学习到细粒度级别的区分性特征能够提高细粒度车型识别的准确率。

公开(公告)号：CN108681707A

公开(公告)日：2018-10-19

申请号：CN201810463134.5

申请日：2018-05-15

Applicant: 桂林电子科技大学

Inventor： 蒋行国 ,  万今朝 ,  李海鸥 ,  李琦 ,  张法碧 ,  肖功利 ,  陈永和 ,  傅涛 ,  孙堂友 ,  蔡晓东 ,  苏欣欣

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/00825 ,  G06K9/00744 ,  G06K9/6292 ,  G06K2209/23 ,  G06N3/0454 ,  G06N3/084

Abstract: 本发明公开一种基于全局和局部特征融合的大角度车型识别方法和系统，当车辆经过车型识别采集区时截取出包含车辆的图像，首先对截取的包含车辆的图像进行裁剪，得到去除复杂背景的车辆图片，将车辆图片分割为车脸图像分块、车尾图像分块和车轮图像分块。再将车辆图片、车脸图像分块、车尾图像分块和车轮图像分块导入到深层多分支卷积神经网络中对车辆的全局和局部特征进行特征训练，并将车辆图片特征和各个分块特征进行特征融合。后通过分类器对融合后的特征进行分类识别。本发明将大角度车辆的全局和局部特征进行融合，能够明显的提高大角度车型识别的准确率。