-
公开(公告)号:CN113076840A
公开(公告)日:2021-07-06
申请号:CN202110322535.0
申请日:2021-03-25
申请人: 高新兴科技集团股份有限公司
摘要: 本发明提出一种新的基于三元损失函数与对抗噪声融合的车辆后拍图像的品牌训练方法,该方法在进行车辆特征提取时,考虑到了相同类别与不同类别间车辆类别表征在度量空间中距离上的关系,训练学习得到车辆的表征,再通过对抗噪声融合技术将噪声与提取到的车辆表征相结合,训练识别模型的分类器,以此得到鲁棒的车辆后拍图像的品牌识别模型。
-
公开(公告)号:CN113076837A
公开(公告)日:2021-07-06
申请号:CN202110321043.X
申请日:2021-03-25
申请人: 高新兴科技集团股份有限公司
摘要: 本发明提出了一种基于网络图像的卷积神经网络训练方法。网络购车网站具有大量具有类别标注的汽车后拍图像,这些图像可以提供基本的车辆品牌信息,但是同时这些图像与现实监控拍摄的车辆图像特征分布并不相同因此不能很好的应用于现实的监控场景中。因此通过网络图像预先训练一个识别模型,之后将其应用于监控图像中,并将监控图像中得分高的图像再作为训练数据对识别模型进行再次训练,以此达到不断促进识别准确率的效果。
-