一种基于车辆特征点的车辆部件检测方法和系统

    公开(公告)号:CN106971187B

    公开(公告)日:2019-07-09

    申请号:CN201710238079.5

    申请日:2017-04-12

    Abstract: 本发明公开了一种基于车辆特征点的车辆部件检测方法和系统,其中方法的实现包括:采集车辆图像,提取车辆部件的车辆特征点和车辆部件的候选区域;当候选区域的中心与车辆特征点的距离小于阈值得到车辆部件的感兴趣区域,在感兴趣区域内提取车辆部件的目标区域。本发明基于车辆部件的车辆特征点挑选感兴趣区域,可以降低感兴趣区域冗余并提高感兴趣区域质量,进而得到车辆部件的目标区域,提高了最终的车辆部件检测性能和准确率,并且在光照变化和噪声污染下的准确性和稳定性也更好。

    基于深度学习的多任务车辆部件识别模型、方法和系统

    公开(公告)号:CN108647700B

    公开(公告)日:2021-08-03

    申请号:CN201810328845.1

    申请日:2018-04-14

    Abstract: 本发明公开了一种基于深度学习的多任务车辆部件识别模型、方法和系统,包括:基于车辆图像数据库建立车辆部件数据库并对车辆部件进行标记,对车辆部件数据库进行图像数据增强得到车辆部件训练集;利用车辆部件训练集训练深度残差网络,得到车辆部件识别网络;基于车辆图像数据库,统计多个车辆部件不同类型同时出现的概率,得到多个车辆部件的联合概率,基于多个车辆部件的联合概率建立多任务车辆部件识别的数据集和对应多标签;用来训练车辆部件识别网络得到多任务的车辆部件识别模型。利用多任务的车辆部件识别模型对待检测车辆图像进行识别,得到待检测车辆图像中每个车辆部件的概率。本发明网络训练简单、易收敛、数据易获取且识别准确率高。

    基于深度学习的多任务车辆部件识别模型、方法和系统

    公开(公告)号:CN108647700A

    公开(公告)日:2018-10-12

    申请号:CN201810328845.1

    申请日:2018-04-14

    Abstract: 本发明公开了一种基于深度学习的多任务车辆部件识别模型、方法和系统,包括:基于车辆图像数据库建立车辆部件数据库并对车辆部件进行标记,对车辆部件数据库进行图像数据增强得到车辆部件训练集;利用车辆部件训练集训练深度残差网络,得到车辆部件识别网络;基于车辆图像数据库,统计多个车辆部件不同类型同时出现的概率,得到多个车辆部件的联合概率,基于多个车辆部件的联合概率建立多任务车辆部件识别的数据集和对应多标签;用来训练车辆部件识别网络得到多任务的车辆部件识别模型。利用多任务的车辆部件识别模型对待检测车辆图像进行识别,得到待检测车辆图像中每个车辆部件的概率。本发明网络训练简单、易收敛、数据易获取且识别准确率高。

Patent Agency Ranking