[发明专利]一种基于深度学习的车辆姿态分类方法

权利要求书

1.一种基于深度学习的车辆姿态分类方法，其特征在于，包括以下步骤：

步骤1)获取数据库中过去几年的车辆图片和现在互联网上的车辆图片，进行适当裁剪去除一定背景，设定好前后左右的标注规则，然后进行人工标注，作为模型的训练集和验证集；

步骤2)对所有训练集中的图片，做数据增强处理；

步骤3)构建mobile-net网络；

步骤4)将数据增强后的训练集，进行训练，每1/2个epoch存储一次模型；

步骤5)训练收敛后，在验证集上分析存在的问题，以及调整超参数，选择在验证集准确率最高的模型；

步骤6)基于选出的模型，构建前向推断程序，输入带预测图片，进行预测。

2.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤1)中所述的标注规则是指：根据图片拍摄视角，将车辆图片分成前后左右。

3.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤1)中所述的裁剪去除一定背景是指：很多图片拍摄为整车，将其抠出一部分，构成一个车辆的中景图。

4.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤2)中所述的数据增强是指：对每一张图片做HSL变换、小角度(-30°至+30°)旋转变换、加随机噪声、随机裁剪、宽高比变换等增强，不可以做左右翻转变换。

5.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤3)中所述的mobile-net网络是指：宽度因子为1.0，分辨率因子为1.0的标准mobile-net网络，共由22个卷积层、1个全连接层堆叠而成的标准mobile-net网络。

6.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤4)中所述训练过程是指：将扩增后的训练数据集，按照一定的batch送入mobile-net网络进行训练，然后再反向传播更新模型参数。

7.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤5)中所述的验证集的是指：该验证集需要包括所有的车型，每一个车型都有一定数量的前后左右的图片。

8.根据权利要求1所述的一种基于深度学习的车辆姿态分类方法，其特征是，在步骤6)中所述前向推断过程是指：构建mobile-net网络，然后参数使用步骤5)中选择好的模型参数，输入为224*224的图片、最后的输出为0-3中的一个数字，根据训练时候的标签映射，对应到前后左右。