← 返回列表
一种基于深度学习的车辆属性识别系统及方法
申请人信息
- 申请人:江苏未来网络集团有限公司
- 申请人地址:210000 江苏省南京市江宁区秣周东路7号CENI大厦
- 发明人: 江苏未来网络集团有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的车辆属性识别系统及方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410154697.1 |
| 申请日 | 2024/2/4 |
| 公告号 | CN117710755A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 江苏未来网络集团有限公司 |
| 发明人 | 田文科; 张经纬; 钱钧; 戚厚洋 |
| 地址 | 江苏省南京市江宁区秣周东路7号CENI大厦 |
摘要文本
本申请实施例提供一种基于深度学习的车辆属性识别系统，其特征在于，包括：图像预处理模块，特征提取模块，特征融合模块和预测模块，所述预测模块包括N个Head分支；每个所述Head分支中均包括横向并行的车辆检测分支和车辆属性分类检测分支；其中，所述车辆检测分支中包括多头注意力模块和注意力聚合模块。本申请中的车辆检测分支和车辆属性分类检测分支共用同一组融合特征，整个预测过程只需要进行一次特征提取，从而大大减少了系统的计算量。同时由于在车辆属性分类检测分支中引入多头注意力模块和注意力聚合模块配合使得多头注意力模块能够聚焦于车辆全身多个不同位置的细节信息，从而有效提高系统识别的准确度。
专利主权项内容
（更多数据，详见马克数据网） 1.一种基于深度学习的车辆属性识别系统，其特征在于，包括：图像预处理模块，用于获取图像并对图像进行预处理；特征提取模块，所述特征提取模块基于YOLO-V5骨干网络用于对预处理后的图像提取M个不同尺度的特征并进行下采样；特征融合模块，所述特征融合模块基于特征融合网络用于对提取的M个不同尺度的特征进行融合，获得N个不同尺度的融合特征；其中，M>N; 预测模块，所述预测模块包括N个Head分支，所述N个Head分支用于一一对应的对N个不同尺度的融合特征进行预测；其中，每个所述Head分支中均包括横向并行的车辆检测分支和车辆属性分类检测分支；所述车辆检测分支用于对输入的融合特征进行计算并输出车辆检测框结果；所述车辆属性分类检测分支用于对输入的融合特征进行计算并输出车辆属性分类检测结果。