一种基于深度学的车辆多属性联合分析方法

摘要

本发明涉及一种基于深度学的车辆多属性联合分析方法，属于车辆多属性联合分析技术领域。在该方法中，首先，对车辆数据静态图像进行多属性标注并完成挑选整理，包括离散特征：车辆类别、车型、车门数量、车座数量；以及连续特征：排气量、最大时速；然后，将训练数据集送入深度卷积神经网络进行特征图的提取以及Pooling运算；最后，采用改进的多属性联合分析方法对模型进行主辅任务优化训练。本方法把多任务学思想引入进深度卷积神经网络中，梯度性地提升了网络的整体性能；对多任务学方法进行改进，增强了权值共享的全局性，最大限度地实现了各类任务之间的监听效果；将最前沿的深度学网络模型应用于车辆分析领域，具有应用价值和推广前景。

主权项

一种基于深度学习的车辆多属性联合分析方法，其特征在于：在该方法中，首先，对车辆数据静态图像进行多属性标注并完成挑选整理，包括离散特征：车辆类别、车型、车门数量、车座数量；以及连续特征：排气量、最大时速；然后，将训练数据集送入深度卷积神经网络进行特征图的提取以及Pooling运算；最后，采用改进的多属性联合分析方法对模型进行主辅任务优化训练。