发明名称 |
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。 |
申请公布号 |
CN105740906A |
申请公布日期 |
2016.07.06 |
申请号 |
CN201610067290.0 |
申请日期 |
2016.01.29 |
申请人 |
中国科学院重庆绿色智能技术研究院 |
发明人 |
程诚;颜卓;冯友计;覃勋辉;吕江靖;周祥东;石宇;周曦;袁家虎 |
分类号 |
G06K9/62(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
北京同恒源知识产权代理有限公司 11275 |
代理人 |
廖曦 |
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。 |
地址 |
400714 重庆市北碚区方正大道266号 |