[发明专利]一种基于深度学习的车辆多属性联合分析方法有效
| 申请号： | 201610067290.0 | 申请日： | 2016-01-29 |
| 公开（公告）号： | CN105740906B | 公开（公告）日： | 2019-04-02 |
| 发明（设计）人： | 程诚;颜卓;冯友计;覃勋辉;吕江靖;周祥东;石宇;周曦;袁家虎 | 申请（专利权）人： | 中国科学院重庆绿色智能技术研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 廖曦 |
| 地址： | 400714 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的车辆多属性联合分析方法，属于车辆多属性联合分析技术领域。在该方法中，首先，对车辆数据静态图像进行多属性标注并完成挑选整理，包括离散特征：车辆类别、车型、车门数量、车座数量；以及连续特征：排气量、最大时速；然后，将训练数据集送入深度卷积神经网络进行特征图的提取以及Pooling运算；最后，采用改进的多属性联合分析方法对模型进行主辅任务优化训练。本方法把多任务学习思想引入进深度卷积神经网络中，梯度性地提升了网络的整体性能；对多任务学习方法进行改进，增强了权值共享的全局性，最大限度地实现了各类任务之间的监听效果；将最前沿的深度学习网络模型应用于车辆分析领域，具有应用价值和推广前景。 | ||
| 搜索关键词： | 一种 基于 深度 学习 车辆 属性 联合 分析 方法 | ||
【主权项】：
1.一种基于深度学习的车辆多属性联合分析方法，其特征在于：在该方法中，首先，对车辆数据静态图像进行多属性标注并完成挑选整理，包括离散特征：车辆类别、车型、车门数量、车座数量；以及连续特征：排气量、最大时速；然后，将训练数据集送入深度卷积神经网络进行特征图的提取以及Pooling运算；最后，采用改进的多属性联合分析方法对模型进行主辅任务优化训练；该方法具体包括以下步骤：S1：将多任务学习方法引入深度卷积神经网络训练模型；S2：构建多属性联合分析深层网络；S3：改进多属性训练的内部监听机制以增强权值共享。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院重庆绿色智能技术研究院，未经中国科学院重庆绿色智能技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610067290.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种轻质装饰材料
- 下一篇：一种基于决策数据的电网暂态稳定性评估方法
