[00335264]一种基于多任务卷积神经网络的车辆属性识别方法
交易价格：
面议
所属行业：
分析仪器
类型：
发明专利
技术成熟度：
通过小试
专利所属地：中国
专利号：CN201611199772.8
交易方式：
资料待完善
联系人：
安徽大学
进入空间
所在地：安徽合肥市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
摘要：本发明提供了一种基于多任务卷积神经网络的车辆属性识别方法，包括训练过程和识别过程两部分，具体过程包括获取待识别车辆图片、设计多任务卷积神经网络结构并训练车辆属性识别的网络模型、识别车辆类型并回归车辆车窗位置坐标、设计车辆图像掩膜并生成新车辆图像、提取新车辆图像的多任务卷积神经网络特征、训练SVM分类模型，识别车辆颜色。本发明的优点在于无需用户手动定义特征再分类，多任务卷积神经网络结构能够同时接收并处理多个任务，并在多任务卷积神经网络的基础上，获得车辆图像中车辆的结构信息，以实现有效的车辆颜色识别方法，提高其识别准确度，从而为智能交通提供准确的依据。
摘要：本发明提供了一种基于多任务卷积神经网络的车辆属性识别方法，包括训练过程和识别过程两部分，具体过程包括获取待识别车辆图片、设计多任务卷积神经网络结构并训练车辆属性识别的网络模型、识别车辆类型并回归车辆车窗位置坐标、设计车辆图像掩膜并生成新车辆图像、提取新车辆图像的多任务卷积神经网络特征、训练SVM分类模型，识别车辆颜色。本发明的优点在于无需用户手动定义特征再分类，多任务卷积神经网络结构能够同时接收并处理多个任务，并在多任务卷积神经网络的基础上，获得车辆图像中车辆的结构信息，以实现有效的车辆颜色识别方法，提高其识别准确度，从而为智能交通提供准确的依据。
