CN111126459A - 一种车辆细粒度识别的方法及装置 - Google Patents

一种车辆细粒度识别的方法及装置 Download PDF

Info

Publication number
CN111126459A
CN111126459A CN201911248378.2A CN201911248378A CN111126459A CN 111126459 A CN111126459 A CN 111126459A CN 201911248378 A CN201911248378 A CN 201911248378A CN 111126459 A CN111126459 A CN 111126459A
Authority
CN
China
Prior art keywords
neural network
data set
network model
attention
training data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911248378.2A
Other languages
English (en)
Inventor
张斯尧
罗茜
王思远
蒋杰
张�诚
李乾
谢喜林
黄晋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jiuling Software Technology Co ltd
Original Assignee
Shenzhen Jiuling Software Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Jiuling Software Technology Co ltd filed Critical Shenzhen Jiuling Software Technology Co ltd
Priority to CN201911248378.2A priority Critical patent/CN111126459A/zh
Publication of CN111126459A publication Critical patent/CN111126459A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法及装置，所述方法包括：构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；对训练数据集进行多尺度区域信息标注，得到第一训练数据集；基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型。本发明相比于现有技术，减少了需预先标注图像类别或选框标注对象位置的工作量，节省成本，提高了效率。

Description

一种车辆细粒度识别的方法及装置
技术领域
本发明涉及图像检索技术领域，具体涉及一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法、装置、终端设备及计算机可读介质。
背景技术
车辆细粒度识别是计算机视觉领域的一个重要研究方向。相同车型的车辆识别对于传统方法难度较大，因为往往同类车辆之间的差异十分微小。不同之处可能仅仅在于其之上的年检标志，或者是车内某些小装饰。伴随着最近几年深度学习的兴起，很多研究者基于此也尝试将深度学习应用于目标检测识别领域。其中细粒度级别图像分析是针对此类问题的一项计算机视觉领域热门研究课题，其目标是对上述细粒度级别图像中的物体子类进行定位、识别及检索等若干视觉分析任务的研究，具有真实场景下广泛的应用价值。
与此同时，随着智能城市的不断推进，城市的道路交通安全越来越受到人们的重视。然而，现有车辆图像检索算法对同类型车识别率不高，信息提取不清晰。
发明内容
有鉴于此，本发明提供了一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别方法、装置、计算机设备及存储介质，用以解决现有技术对于需要搜索信息的车辆图像定位不准确，信息提取不清晰等问题。
本发明实施例的第一方面提供了一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法，包括：
构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；
对训练数据集进行多尺度区域信息标注，得到第一训练数据集；
基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；
采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型；
将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
进一步地，所述多注意力卷积神经网络模型包括基础网络层、通道聚类层和局部分类子网络层。
进一步地，所述基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理的步骤，包括：
根据所述第一训练数据集图片中多尺度区域互相包含的关系对检测的结果进行包围盒约束算法优化,筛选出图片中包含目标物体和多尺度目标中心的检测框；
采用FASTER-RCNN提取包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
进一步地，所述采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值的步骤，包括：
所述第二训练数据集中的图像输入多注意力卷积神经网络模型，通过所述多注意力卷积神经网络模型模型最后一层激活卷积层提取图像特征后，输出n个二维特征映射，每个特征映射分布式表示有多个激活响应的特征显著性区域；
将所述n个二维特征映射叠加，并设定一个阈值，选取叠加后激活响应高于阈值的区域，得到一个掩映图；
采用双三次插值的方法调整所述掩映图的大小，使其与输入图像同样大小，并将掩映图覆盖到输入图像上；
选取所述掩映图中所占面积最大的激活响应高于阈值的区域，该区域在输入图像中所对应的区域即为图像主要目标对象位置，激活响应特征即为目标对象的特征。
本发明实施例的第二方面提供了一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置，其特征在于，包括：
模型构建模块，构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；
第一获取模块，用于对训练数据集进行多尺度区域信息标注，得到第一训练数据集；
处理模块，用于基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；
训练模块，用于采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型；
识别模块，用于将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
进一步地，所述多注意力卷积神经网络模型包括基础网络层、通道聚类层和局部分类子网络层。
进一步地，所述处理模块包括：
包围盒约束模块，用于根据所述第一训练数据集图片中多尺度区域互相包含的关系对检测的结果进行包围盒约束算法优化,筛选出图片中包含目标物体和多尺度目标中心的检测框；
海伦约束模块，用于采用FASTER-RCNN提取包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
进一步地，所述训练模块包括：
提取模块，用于将所述第二训练数据集中的图像输入多注意力卷积神经网络模型，通过所述多注意力卷积神经网络模型模型最后一层激活卷积层提取图像特征后，输出n个二维特征映射，每个特征映射分布式表示有多个激活响应的特征显著性区域；
叠加模块，用于将所述n个二维特征映射叠加，并设定一个阈值，选取叠加后激活响应高于阈值的区域，得到一个掩映图；
调整模块，用于采用双三次插值的方法调整所述掩映图的大小，使其与输入图像同样大小，并将掩映图覆盖到输入图像上；
判断模块，用于选取所述掩映图中所占面积最大的激活响应高于阈值的区域，该区域在输入图像中所对应的区域即为图像主要目标对象位置，激活响应特征即为目标对象的特征。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法的步骤。
本发明实施例的第四方面提供了一种计算机可读介质，所述计算机可读介质存储有计算机程序，所述计算机程序被处理执行时实现上述基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法的步骤。
在本发明实施例中，通过采用多注意力卷积神经网络模型自动定位图像对象的方式，通过深度学***均池化取代全连接层的神经网络模型，减少了模型参数数量，提高了运算速度，更适用于大规模图像集的检索识别。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法的流程图；
图2是本发明实施例提供的一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法中的MA-CNN的整体框架图；
图3是本发明实施例提供的一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法中的海伦约束的示意图；
图4是本发明实施例提供的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置的结构示意图；
图5是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
请参阅图1，图1是本发明实施例提供的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法的流程图。如图1所示，本实施例的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法包括以下步骤：
步骤S102，构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练。
通常来说，传统的基于局部特征的算法框架在对车辆进行深度学习训练的神经网络中，对于局部定位和特征属性提取没有任何优势。本发明算法正对局部模型的训练学习提出了一种基于多重注意力机制与区域特征约束相结合的深度学习神经网络。运用多重注意力机制与多尺度区域特征相结合的深度学习神经网络进行训练，在局部注意力计算时，车辆目标图像定位准确，且基本没有特征损失，并且能够完成端对端的训练，从而极大地简化了计算。
MA-CNN框架如图2所示。多重注意力模型(MA-CNN)分为三部分：基础网络、通道聚类层和局部分类子网络。整体分为三大块，各结构的主体运作框架不一定是按照这个来的，框架图主要阐释结构功能运行。如果需要的话，具体的运行细节在下面：首先，整个网络以图2(a)中的全尺寸图像作为输入，将其输入到图2(b)中的卷积层中，提取基于区域的特征表示。其次，网络通过图2(d)中的通道聚类层和加权层生成图2(e)中的多部分注意图，然后生成一个sigmoid函数以产生各部分的局部特征概率。局部特征标识结果是通过从基于区域的特征标识集中生成的。局部特征具有空间注意机制，如图2(f)所示。第三，通过图2(g)中的完全连接层和SoftMax层预测每个部分到细粒度类别的一组概率分数。
基于通道聚类层和局部分类层的预训练，结合基础网络，构建多重注意力模型的神经网络层级结构(包含上述三个部分的网络结构)；
通常局部分类层和通道聚类层一起进行预训练。通道聚类层用于判别局部定位，局部分类子网络用于识别定位后局部特征，并生成相应权重。整体来说，先给定输入车辆图像为X，我们首先通过将图像输入预训练卷积层提取图像的原始深度特征，提取出的深度特征表述为：W*X，其中*代表了一系列的卷积、池化等操作，W为基础网络模型。
然后，将图像X分为N个局部，假如有N组通道聚类层，也会有N组通道聚类层。每组通道聚类层的结构由带有tanh的两个特征通道构成，且每个局部对应一组通道聚类层。
为了防止训练陷入局部最优解，需要对通道聚类层进行预训练。具体地，由于每个特征通道都会对特定类型的视觉模式产生响应，所以每个特征通道都有一个峰值响应点，这样每个特征通道都可以用一个位置向量表示，其元素是所有训练图像在该通道上的峰值响应坐标。把这些位置向量当作特征，进行聚类，将不同的通道分成N个聚类，即N个部分。用长度为c(通道数)的指示向量表示每个通道是否属于该聚类。如果是，则该通道位置为1,否则为0。N个指示向量为互斥的关系，通道数c通常不等于聚类部分数目N。
为了保证上述过程在训练中得到优化，本发明用fc近似这个聚类过程，产生N个部分，就用N组全连接层(FC)，全连接层是现有的神经网络的全连接层的结构，每个全连接层接收基础网络的特征图像，然后产生一个权重向量di：
di(X)＝fi(W*X)
其中di(X)＝[d1,...,dc]。C为上文所述的通道数目，fi表示第i组全连接层的聚类函数，定义全连接层的聚类函数为f(·)＝[f1(·),...,fN(·)]，每一个fi定义为输入卷积特征，产生一个跨通道的权重向量Di。同时，为了获得准确的权重向量，通常也需要预训练fc参数。基于学习到的权重向量，可以得到每个部位的注意力热图。W*X代表基础网络层提取的特征热图。dj与对应特征通道相乘，相加后用sigmoid归一化得到一个可能性热图。
Figure BDA0002307277300000051
Mi(X)是对每一个部分可能性热图进行相加然后进行sigmoid函数归一化以后才的到的相应的该部分的注意力可能性热图。M(x)是整体的注意力可能性热图。[W*X]j表示表示第j个局部的深度特征。
延伸一点，局部精细化特征，由可能性热点图与基础卷积神经网络提取的特征热图进行点乘，累加，具体公式如下所示：
Figure BDA0002307277300000061
其中，点积表示数组元素[W*X]j和Mi依次相乘。
通过以上对聚类层的预训练步骤，设置好各个参数，构建了多重注意力模型的神经网络层级结构。
步骤S104，对训练数据集进行多尺度区域信息标注，得到第一训练数据集。
为了微调多个区域尺度的MA-CNN的网络模型,需要进行对训练数据进行多尺度目标区域进行标注.将检测的目标区域分为3个尺度,最中心的尺度区域为p0区域,中间的尺度为p1区域,最***的部分为完整的目标区域。目标区域包含p1和p0区域,p1区域包含p0区域。其中p0的标注信息如式(1),中间部分p1的标注信息如式(2).其中x1,y1,x2,y2分别为目标物体最***区域的左下角和右上角的横、纵坐标值。
Figure BDA0002307277300000062
和
Figure BDA0002307277300000063
分别为目标物体中心部分p0标注信息的左
下角和右上角的横、纵坐标值。
Figure BDA0002307277300000064
和
Figure BDA0002307277300000065
分别为目标物体中心部分p1标注信息的左下角和右上角的横、纵坐标值。具体的标注效果如图3所示。
Figure BDA0002307277300000066
Figure BDA0002307277300000067
步骤S106，基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集。
对基于多尺度区域信息标注后的车辆图像数据，进行改进的海伦约束算法处理优化，使标注车辆信息定位更加准确，将处理后的车辆图像整理成数据集。
具体如下：由于普通约束通常仅能确定各尺度区域的包含关系，而无法很好的将各尺度检测框中心点约束在同一个中心点，而将各尺度检测框中心点约束在同一个中心点可以求出检测位置更精确的检测框，平面上不在同一条直线上的三个点唯一确定一个外接圆,故而计算多尺度区域的中心点坐标,如式(5)为目标物体的检测中心坐标计算公式，如式(6)为目标物体中心部分p1检测框的中心坐标公式，如式(7)为目标物体中心部分p0检测框的中心坐标公式.式(8),(9),(10)为各中心坐标之间的距离公式。通过式(11),(12)计算连接各中心坐标的三角形的外接圆面积。设置面积S的最大值为120。即通过式(12)计算出的面积大小不能超过120,挑选FASTER-RCNN提取的候选框中包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
Figure BDA0002307277300000071
Figure BDA0002307277300000072
Figure BDA0002307277300000073
Figure BDA0002307277300000074
Figure BDA0002307277300000075
Figure BDA0002307277300000076
Figure BDA0002307277300000077
Figure BDA0002307277300000078
将标注好的目标车辆图像进行包围盒约束以后，分类形成相应车辆图像数据集。
步骤S108，采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型。
利用标注定位好的的车辆数据集，训练神经网络。确定多重注意力网络模型的损失函数：学习局部分类损失函数(part classification loss)和通道聚类损失函数(channel grouping loss)的联合损失从而进行权重参数矩阵和偏置值的调整。其中，Loss函数调整采用交替优化：采用相互强化的方式，交替训练分类网络和通道聚类网络；
多重注意力网络模型(MA-CNN)的损失由两部分组成，一部分是局部分类损失(part classification loss),即普通的分类网络中的交叉熵；另一部分是通道聚类损失函数。一张图片X的Loss损失函数表示如下，N表示N个细节部分。
本发明算法中，整体的损失函数公式表示如下，有两个部分组成：
Figure BDA0002307277300000081
Y(i)表示使用基于局部特征Pi(X)从第i个部分开始预测的标签向量，Y*是地面真值标签向量。通常来说，训练是通过一个SoftMax函数来指定类别标签来实现的。其中，Lcng是由Dis和Div两块组成。Lcng可以表示为：
Lcng(Mi)＝Dis(Mi)+λDiv(Mi)
Dis和Div表示了权重为λ的差异和距离函数，Dis是使同一局部内的坐标更聚集，Div是使不同局部尽量疏远。Mi是上文所述的可能性热点图。
本发明采用相互强化的方式，交替训练分类网络和通道类聚层。首先，固定卷积层，通过Lcng优化通道聚类层。然后固定通道聚类层，通过Lcls，训练卷积层和softmax。交替迭代直至两类损失函数(Loss)都不再改变。
利用包含不同车辆属性的细粒度图像分类的车辆数据集，训练多重注意力模型神经网络(方式为带标签的数据的有监督学习)，同时将得到的训练好的各层中的权重参数矩阵和偏置值，对应地赋值给神经网络中的各个层，用于车辆特征提取和车辆多属性识别。
另外，考虑到实际应用中目标检测的需要，本发明在将搜索区域的尺度设置图片的长宽比可变，总体图片大小不变。这不仅有利于增加视频图像的处理需求，也大大减少了计算量。对于原始的输入图片，RPN网络会得到约两万个搜索框。在实际应用时，一些超出图片边界的搜索框会被剔除；同时，对于同一目标重叠覆盖的搜索框，采用非极大值抑制(Non-Maximum Suppression，NMS)方法来处理，以达到去除重叠搜索框的目的。
步骤S110，将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
在本发明实施例中，通过采用多注意力卷积神经网络模型自动定位图像对象的方式，通过深度学***均池化取代全连接层的神经网络模型，减少了模型参数数量，提高了运算速度，更适用于大规模图像集的检索识别。
请参阅图3，图3是本发明实施例提供的一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置的结构框图。如图3所示，本实施例的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的训练模型20包括模型构建模块202、第一获取模块204、处理模块206、训练模块208和识别模块210。模型构建模块202、第一获取模块204、处理模块206、训练模块208和识别模块210分别用于执行图1中的S102、S104、S106、S108和S110中的具体方法，详情可参见图1的相关介绍，在此仅作简单描述：
模型构建模块，构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；
第一获取模块，用于对训练数据集进行多尺度区域信息标注，得到第一训练数据集；
处理模块，用于基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；
训练模块，用于采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型；
识别模块，用于将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
进一步地，所述多注意力卷积神经网络模型包括基础网络层、通道聚类层和局部分类子网络层。
进一步地，所述处理模块包括：
包围盒约束模块，用于根据所述第一训练数据集图片中多尺度区域互相包含的关系对检测的结果进行包围盒约束算法优化,筛选出图片中包含目标物体和多尺度目标中心的检测框；
海伦约束模块，用于采用FASTER-RCNN提取包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
进一步地，所述训练模块包括：
提取模块，用于将所述第二训练数据集中的图像输入多注意力卷积神经网络模型，通过所述多注意力卷积神经网络模型模型最后一层激活卷积层提取图像特征后，输出n个二维特征映射，每个特征映射分布式表示有多个激活响应的特征显著性区域；
叠加模块，用于将所述n个二维特征映射叠加，并设定一个阈值，选取叠加后激活响应高于阈值的区域，得到一个掩映图；
调整模块，用于采用双三次插值的方法调整所述掩映图的大小，使其与输入图像同样大小，并将掩映图覆盖到输入图像上；
判断模块，用于选取所述掩映图中所占面积最大的激活响应高于阈值的区域，该区域在输入图像中所对应的区域即为图像主要目标对象位置，激活响应特征即为目标对象的特征。
在本发明实施例中，通过采用多注意力卷积神经网络模型自动定位图像对象的方式，通过深度学***均池化取代全连接层的神经网络模型，减少了模型参数数量，提高了运算速度，更适用于大规模图像集的检索识别。
图5是本发明一实施例提供的终端设备的示意图。如图5所示，该实施例的终端设备10包括：处理器100、存储器101以及存储在所述存储器101中并可在所述处理器100上运行的计算机程序102，例如进行基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的训练的程序。所述处理器100执行所述计算机程序102时实现上述方法实施例中的步骤，例如，图1所示的S102、S104、S106、S108和S110的步骤。或者，所述处理器100执行所述计算机程序102时实现上述各装置实施例中各模块/单元的功能，例如图3所示的模型构建模块202、第一获取模块204、处理模块206、训练模块208和识别模块210的功能。
示例性的，所述计算机程序102可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器101中，并由所述处理器100执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序102在终端设备10中的执行过程。例如，所述计算机程序102可以被分割成模型构建模块202、第一获取模块204、处理模块206、训练模块208和识别模块210(虚拟装置中的模块)，各模块具体功能如下：
模型构建模块，构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；
第一获取模块，用于对训练数据集进行多尺度区域信息标注，得到第一训练数据集；
处理模块，用于基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；
训练模块，用于采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型；
识别模块，用于将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
所述终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备10可包括，但不仅限于，处理器100、存储器101。本领域技术人员可以理解，图8仅仅是终端设备10的示例，并不构成对终端设备10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器100可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器101可以是终端设备10的内部存储单元，例如终端设备10的硬盘或内存。所述存储器101也可以是终端设备10的外部存储设备，例如所述终端设备10上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器101还可以既包括终端设备10的内部存储单元也包括外部存储设备。所述存储器101用于存储所述计算机程序以及终端设备10所需的其他程序和数据。所述存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别方法，其特征在于，包括：
构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；
对训练数据集进行多尺度区域信息标注，得到第一训练数据集；
基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；
采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型；
将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
2.根据权利要求1所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法，其特征在于，所述多注意力卷积神经网络模型包括基础网络层、通道聚类层和局部分类子网络层。
3.根据权利要求2所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法，其特征在于，所述基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理的步骤，包括：
根据所述第一训练数据集图片中多尺度区域互相包含的关系对检测的结果进行包围盒约束算法优化，筛选出图片中包含目标物体和多尺度目标中心的检测框；
采用FASTER-RCNN提取包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
4.根据权利要求1所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的方法，其特征在于，所述采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值的步骤，包括：
所述第二训练数据集中的图像输入多注意力卷积神经网络模型，通过所述多注意力卷积神经网络模型模型最后一层激活卷积层提取图像特征后，输出n个二维特征映射，每个特征映射分布式表示有多个激活响应的特征显著性区域；
将所述n个二维特征映射叠加，并设定一个阈值，选取叠加后激活响应高于阈值的区域，得到一个掩映图；
采用双三次插值的方法调整所述掩映图的大小，使其与输入图像同样大小，并将掩映图覆盖到输入图像上；
选取所述掩映图中所占面积最大的激活响应高于阈值的区域，该区域在输入图像中所对应的区域即为图像主要目标对象位置，激活响应特征即为目标对象的特征。
5.一种基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置，其特征在于，包括：
模型构建模块，构建多注意力卷积神经网络模型，并对所述多注意力卷积神经网络模型进行预训练；
第一获取模块，用于对训练数据集进行多尺度区域信息标注，得到第一训练数据集；
处理模块，用于基于改进的包围盒约束算法和海伦约束算法对第一训练数据集进行处理，得到第二训练数据集；
训练模块，用于采用所述第二训练数据集训练多注意力卷积神经网络模型的目标参数的参数值，得到训练之后的多注意力卷积神经网络模型；
识别模块，用于将待识别车辆图像输入训练好的多注意力卷积神经网络模型进行识别，获得与所述待识别车辆图像同类型的目标车辆图像。
6.根据权利要求5所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置，其特征在于，所述多注意力卷积神经网络模型包括基础网络层、通道聚类层和局部分类子网络层。
7.根据权利要求5所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置，其特征在于，所述处理模块包括：
包围盒约束模块，用于根据所述第一训练数据集图片中多尺度区域互相包含的关系对检测的结果进行包围盒约束算法优化,筛选出图片中包含目标物体和多尺度目标中心的检测框；
海伦约束模块，用于采用FASTER-RCNN提取包含物体得分概率分数排序靠前且满足海伦检测约束条件的目标物体和各尺度中心部分检测框。
8.根据权利要求5所述的基于多重注意力机制与区域特征约束相结合的车辆细粒度识别的装置，其特征在于，所述训练模块包括：
提取模块，用于将所述第二训练数据集中的图像输入多注意力卷积神经网络模型，通过所述多注意力卷积神经网络模型模型最后一层激活卷积层提取图像特征后，输出n个二维特征映射，每个特征映射分布式表示有多个激活响应的特征显著性区域；
叠加模块，用于将所述n个二维特征映射叠加，并设定一个阈值，选取叠加后激活响应高于阈值的区域，得到一个掩映图；
调整模块，用于采用双三次插值的方法调整所述掩映图的大小，使其与输入图像同样大小，并将掩映图覆盖到输入图像上；
判断模块，用于选取所述掩映图中所占面积最大的激活响应高于阈值的区域，该区域在输入图像中所对应的区域即为图像主要目标对象位置，激活响应特征即为目标对象的特征。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述方法的步骤。
10.一种计算机可读介质，所述计算机可读介质存储有计算机程序，其特征在于，所述计算机程序被处理执行时实现如权利要求1-4中任一项所述方法的步骤。
CN201911248378.2A 2019-12-06 2019-12-06 一种车辆细粒度识别的方法及装置 Pending CN111126459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911248378.2A CN111126459A (zh) 2019-12-06 2019-12-06 一种车辆细粒度识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911248378.2A CN111126459A (zh) 2019-12-06 2019-12-06 一种车辆细粒度识别的方法及装置

Publications (1)

Publication Number Publication Date
CN111126459A true CN111126459A (zh) 2020-05-08

Family

ID=70497831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911248378.2A Pending CN111126459A (zh) 2019-12-06 2019-12-06 一种车辆细粒度识别的方法及装置

Country Status (1)

Country Link
CN (1) CN111126459A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101437A (zh) * 2020-09-07 2020-12-18 平安科技（深圳）有限公司 基于图像检测的细粒度分类模型处理方法、及其相关设备
CN112818162A (zh) * 2021-03-04 2021-05-18 泰康保险集团股份有限公司 图像检索方法、装置、存储介质和电子设备
CN113076837A (zh) * 2021-03-25 2021-07-06 高新兴科技集团股份有限公司 一种基于网络图像的卷积神经网络训练方法
CN113688851A (zh) * 2020-05-18 2021-11-23 华为技术有限公司 数据标注方法和装置和精细粒度识别方法和装置
CN114972810A (zh) * 2022-03-28 2022-08-30 慧之安信息技术股份有限公司 基于深度学习的图像采集标注的方法
CN115496993A (zh) * 2022-09-09 2022-12-20 锋睿领创(珠海)科技有限公司 基于频域融合的目标检测方法、装置、设备及存储介质
CN116563607A (zh) * 2023-04-11 2023-08-08 北京邮电大学 一种基于跨数据集信息挖掘的细粒度图像识别方法与装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815973A (zh) * 2018-12-07 2019-05-28 天津大学 一种适用于鱼类细粒度识别的深度学习方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815973A (zh) * 2018-12-07 2019-05-28 天津大学 一种适用于鱼类细粒度识别的深度学习方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HELIANG ZHENG: "Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition" *
熊昌镇 等: "多尺度区域特征的细粒度分类算法研究" *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688851A (zh) * 2020-05-18 2021-11-23 华为技术有限公司 数据标注方法和装置和精细粒度识别方法和装置
CN113688851B (zh) * 2020-05-18 2023-09-15 华为云计算技术有限公司 数据标注方法和装置和精细粒度识别方法和装置
CN112101437A (zh) * 2020-09-07 2020-12-18 平安科技（深圳）有限公司 基于图像检测的细粒度分类模型处理方法、及其相关设备
CN112101437B (zh) * 2020-09-07 2024-05-31 平安科技（深圳）有限公司 基于图像检测的细粒度分类模型处理方法、及其相关设备
CN112818162A (zh) * 2021-03-04 2021-05-18 泰康保险集团股份有限公司 图像检索方法、装置、存储介质和电子设备
CN112818162B (zh) * 2021-03-04 2023-10-17 泰康保险集团股份有限公司 图像检索方法、装置、存储介质和电子设备
CN113076837A (zh) * 2021-03-25 2021-07-06 高新兴科技集团股份有限公司 一种基于网络图像的卷积神经网络训练方法
CN114972810A (zh) * 2022-03-28 2022-08-30 慧之安信息技术股份有限公司 基于深度学习的图像采集标注的方法
CN114972810B (zh) * 2022-03-28 2023-11-28 慧之安信息技术股份有限公司 基于深度学习的图像采集标注的方法
CN115496993A (zh) * 2022-09-09 2022-12-20 锋睿领创(珠海)科技有限公司 基于频域融合的目标检测方法、装置、设备及存储介质
CN115496993B (zh) * 2022-09-09 2023-07-14 锋睿领创(珠海)科技有限公司 基于频域融合的目标检测方法、装置、设备及存储介质
CN116563607A (zh) * 2023-04-11 2023-08-08 北京邮电大学 一种基于跨数据集信息挖掘的细粒度图像识别方法与装置

Similar Documents

Publication Publication Date Title
CN111126459A (zh) 一种车辆细粒度识别的方法及装置
Adarsh et al. YOLO v3-Tiny: Object Detection and Recognition using one stage improved model
CN111091105B (zh) 基于新的边框回归损失函数的遥感图像目标检测方法
KR102635987B1 (ko) 이미지 시맨틱 세그멘테이션 네트워크를 트레이닝하기 위한 방법, 장치, 디바이스 및 저장 매체
CN110428428B (zh) 一种图像语义分割方法、电子设备和可读存储介质
CN111104538A (zh) 一种基于多尺度约束的细粒度车辆图像检索的方法及装置
WO2020244653A1 (zh) 物体识别方法及装置
CN111079602B (zh) 基于多尺度区域特征约束的车辆细粒度识别方法及装置
Zhou et al. BOMSC-Net: Boundary optimization and multi-scale context awareness based building extraction from high-resolution remote sensing imagery
CN111242208A (zh) 一种点云分类方法、分割方法及相关设备
CN110163239B (zh) 一种基于超像素和条件随机场的弱监督图像语义分割方法
CN110689043A (zh) 一种基于多重注意力机制的车辆细粒度识别方法及装置
CN106951830B (zh) 一种基于先验条件约束的图像场景多对象标记方法
CN109583483A (zh) 一种基于卷积神经网络的目标检测方法和***
CN106845430A (zh) 基于加速区域卷积神经网络的行人检测与跟踪方法
CN102831427B (zh) 一种融合视觉显著性和灰度共生矩的纹理特征提取方法
CN109492596B (zh) 一种基于K-means聚类和区域推荐网络的行人检测方法及***
CN110334584B (zh) 一种基于区域全卷积网络的手势识别方法
CN113807399A (zh) 一种神经网络训练方法、检测方法以及装置
CN105574545B (zh) 街道环境图像多视角语义切割方法及装置
CN107862702A (zh) 一种结合边界连通性与局部对比性的显著性检测方法
CN110704652A (zh) 基于多重注意力机制的车辆图像细粒度检索方法及装置
Su et al. DLA-Net: Learning dual local attention features for semantic segmentation of large-scale building facade point clouds
CN105809716A (zh) 融合超像素与三维自组织背景减除法的前景提取方法
CN115512251A (zh) 基于双分支渐进式特征增强的无人机低照度目标跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508