用于车辆款式图像数据的标签噪声识别方法、系统及设备
申请人信息
- 申请人:广州航海学院
- 申请人地址:510000 广东省广州市黄埔区红山三路101号
- 发明人: 广州航海学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 用于车辆款式图像数据的标签噪声识别方法、系统及设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311491340.4 |
| 申请日 | 2023/11/9 |
| 公告号 | CN117523212A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06V10/30 |
| 权利人 | 广州航海学院 |
| 发明人 | 江倩殷 |
| 地址 | 广东省广州市黄埔区红山三路101号 |
摘要文本
广州航海学院获取“一种透气窗帘布”专利技术，本公开涉及用于车辆款式图像数据的标签噪声识别方法、系统及设备，方法包括利用卷积神经网络的多任务框架，设置与车辆款式标签层次相对应的子网络结构，并行对不同层次的车辆图像特征提取，然后基于每个层次提取的特征，结合特征中心与最接近聚类中心等关键信息，对每个层次的噪声属性进行判断，再结合所有层次的噪声属性判断结果，实现图像整体噪声属性的判别。系统和设备用于执行上述识别方法。本公开结合车辆款式标签多层次的特性，充分考虑不同层次的噪声情况，对不同层次的噪声进行判断，能有效提高车辆款式图像数据的噪声识别准确率，有利于车辆图像数据在智慧交通中的应用推广。
专利主权项内容
1.用于车辆款式图像数据的标签噪声识别方法，其特征在于，包括以下步骤：S01、将所有待识别的车辆数据定义为数据集D，D＝{x, y}，其中，x表示车辆的图像数据，y表示图像数据对应的车辆款式标签，且y＝[y, y...y]，y, y...y分别表示不同层次的车辆款式标签；12i12iS02、设置干净数据集C、待定数据集U和噪声数据集N；S03、构建车辆车款识别网络f，所述车辆车款识别网络f包括骨架网络f以及位于所述骨架网络f之后的i个并行的属性识别子网络g、g...g，其中，所述属性识别子网络的数量与车辆款式标签的层次数量相匹配，i个所述属性识别子网络分别用于识别各个层次的车辆款式标签；vvrr12iS04、通过所述车辆车款识别网络f对车辆的图像数据进行特征提取，获得图像数据在各个层次的特征，分别记为图像特征g(f(x))、g(f(x))...g(f(x))；v1r2rirS05、取干净数据集C与待定数据集U的并集C∪U，对并集C∪U中所有图像数据在每个层次的特征分别进行聚类获得聚类结果；计算干净数据集C的所有图像数据在每个层次的每个类别中对应的特征的均值k，称为第i层次、第j类别的特征中心；从所得第i层次的聚类结果中查找与特征中心k距离最近的聚类中心，记为最接近聚类中心l；计算第i层次、第j类别的特征中心k与最接近聚类中心l的距离记为特征距离S，S＝d(k, l)；i, ji, ji, ji, ji, ji, ji, ji, ji, jS06、根据每个图像数据对应的车辆款式标签y，查找对应的特征距离根据所提取的图像数据在各个层次的图像特征g(f(x))，分别计算图像特征g(f(x))与特征中心k以及最接近聚类中心l的距离，分别记为第一特征距离d(g(f(x)), k)以及第二特征距离d(g(f(x)), l)；将所述第一特征距离d(g(f(x)), k)、第二特征距离d(g(f(x)), l)分别与查找所得特征距离/>做数值比较，根据数值比较结果，判断各个车辆数据在各个层次的标签的准确性，并根据标签准确性判断结果，判断各个车辆数据整体属于干净数据、待定数据或噪声数据，根据判断结果，将车辆数据移入到对应的数据集中；iiriri, ji, jiri, jiri, jiri, jiri, jS07、重复步骤S04～S06多次，获得关于车辆数据的标签噪声识别结果。