一种基于卷积神经网络的多任务车辆再识别方法及装置

发明专利有效专利

申请号：
CN201810289603.6
IPC分类号：G06K9/00;G06K9/62;G06N3/04
申请日期：
2018-04-03
申请人：
北京交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于卷积神经网络的多任务车辆再识别方法及装置
申请号	CN201810289603.6	申请日期	2018-04-03
法律状态	实质审查	申报国家	中国
公开/公告日	2018-11-06	公开/公告号	CN108764018A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	北京交通大学	申请人地址	北京市海淀区上园村3号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京交通大学	当前权利人	北京交通大学
发明人	郎丛妍;许栋武;李浥东;冯松鹤;王涛
代理机构	北京正理专利代理有限公司	代理人	付生辉

摘要

本申请公开一种基于卷积神经网络的多任务车辆再识别方法及装置,所述方法包括：S110.建立车辆再识别数据集；S120.调整图片大小，并随机形成相应图片对；S130.将图片对分别输入网络进行训练；S140.进行图片相似度排序或优化，车辆再识别。本申请基于CNN的多任务方法进行车辆的再识别任务，针对目前主流车辆再识别CNN模型的缺点，提出了结合识别模型和校验模型的基于CNN的多任务模型，不仅拥有识别模式的优点，也有校验模型的优点，提高了车辆再识别的精确率，并且采用优化算法，有实现简单，训练速度快的特点，便于在实际环境下应用。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供