本发明公开了一种基于多任务学习卷积神经网络的车标识别及属性预测方法,包括以下步骤:创建基于多任务学习卷积神经网络;采用自适应任务权重学习策略和任务自动开闭学习策略训练卷积神经网络;使用训练好的卷积神经网络对获取的车辆标识图像进行分层提取特征,根据车标数据库进行车标识别及属性预测。该方法基于卷积神经网络结构,采用多任务学习机制,提出自适应任务权重学习策略和任务自动开闭学习策略,能同时判断车标类别和预测车标属性,并且准确率高。
本发明公开了一种基于多任务学习卷积神经网络的车标识别及属性预测方法,包括以下步骤:创建基于多任务学习卷积神经网络;采用自适应任务权重学习策略和任务自动开闭学习策略训练卷积神经网络;使用训练好的卷积神经网络对获取的车辆标识图像进行分层提取特征,根据车标数据库进行车标识别及属性预测。该方法基于卷积神经网络结构,采用多任务学习机制,提出自适应任务权重学习策略和任务自动开闭学习策略,能同时判断车标类别和预测车标属性,并且准确率高。
商品类型 | 专利 | 申请号 | CN201710112249.5 | IPC分类号 | |
专利类型 | 发明 | 法律状态 | 有权 | 技术领域 | |
交易方式 | 技术转让 | 专利状态 | 已授权 | 专利权人 | |