[发明专利]一种基于卷积神经网络AI算法的图像识车实现系统

权利要求书

1.一种基于卷积神经网络AI算法的图像识车实现系统，其特征在于，包括：

输入模块，用于获取待识别图像；

图像识别模块，包括数据单元、AI模型网络单元和结果单元；所述数据单元具有海量数据训练集，用于获取并保存市面上所有的汽车信息建立识别模型；所述AI模型网络单元包括车辆角度识别子单元、品牌识别子单元和型号识别子单元；所述车辆角度识别子单元用于通过所述识别模型识别所述待识别图像中的汽车角度；所述品牌识别子单元用于通过所述识别模型进一步识别所述待识别图像中的汽车品牌；所述型号识别子单元用于通过所述识别模型对同一品牌内的型号进行识别，以完成识别；所述结果单元用于获取所述AI模型网络单元识别完成后的识别结果；

输出模块，用于输出所述识别结果；

所述图像识别模块还包括网络结构选取与改造单元，所述网络结构选取与改造单元用于选取inception-res-v2作为基础网络，导入网络在大型数据集ImageNet上预训练的权重，根据汽车图片数据集的需要，设计成合适的网络，设立合适的损失函数，优化网络。

2.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述数据单元保存的汽车信息包括：海量的二手车源的真实图片、海量的汽车品牌及其车型信息，以及图片覆盖车型的各种颜色，同时包含各种拍摄角度与拍摄环境。

3.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，通过所述识别模型识别待识别图像中的汽车角度，包括：对同一车源的不同角度图片进行筛选，仅选取信息量最大的正面图片作为分类标识进入模型，使模型达到通过一张图片识别整车的目的。

4.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述海量数据训练集包括标准新车图片库，所述标准新车图片库用于对新车的标准图片进行保存，对原始图片的分类信息进行细节比对审查，确保图片分类信息的正确性。

5.如权利要求4所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述型号识别子单元通过所述识别模型对同一品牌内的型号进行识别，包括：通过的标准新车图片库，对外观完全相同的型号进行合并，得到标准的型号组；所述型号组内包含不同年款、不同型号，但外观特征完全相同的车。

6.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述数据单元还包括标准的行业数据库，所述行业数据库包括海量汽车的官方指导价、年款信息以及上市退市时间。

7.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述数据单元还包括切分数据子单元，所述切分数据子单元用于将所述海量数据训练集按预设比例切分成训练集、验证集和测试集；所述训练集用于训练模型，所述验证集用于选择合适的网络结构并调整超参数，所述测试集用于测试模型的精度和泛化能力。

8.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述AI模型网络单元还包括数据增强子单元，所述数据增强子单元用于对进入所述识别模型的图片进行数据增强处理，使得所述识别模型能适应不同的压缩比、图片质量、拍摄环境和拍摄角度，增强模型的泛化性，减少过拟合的风险。

9.如权利要求8所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述对图片进行数据增强处理包括：对图片进行加噪、剪裁、旋转、翻转和拉伸。

10.如权利要求1所述的基于卷积神经网络AI算法的图像识车实现系统，其特征在于，所述网络结构选取与改造单元，还用于：通过微调学习和反向传播的方法，逐层微调系数，达到最优化整个网络参数的效果。