[发明专利]一种车辆分类模型的优化方法及设备

说明书

本申请的目的是提供一种车辆分类模型的优化方法及设备，本申请通过新增车辆类型及其对应的车辆图像和已知车辆类型及其对应的车辆图像对已知车辆分类模型进行模型训练和测试，得到优化分类模型。实现了基于在实际场景中获取的各车辆图像的分类结果来对已有分类模型进行模型迭代优化，得到用于对车辆进行分类的优化分类模型，不仅节约了人为优化分类模型的时间成本和人力成本，还进一步提高了该优化分类模型对车辆图像进行车辆类型预测的准确性，从而更好的适应在实际场景中的用户的使用，从而提高用户的体验度和满意度。

技术领域

本申请涉及计算机领域，尤其涉及一种车辆分类模型的优化方法及设备。

背景技术

现有技术中，在智能交通算法领域，车辆或车牌分类是一个很重要的论题。有效的对车辆或车牌进行分类，对后续的违章行为判断是非常重要的一步。然而现实情况比较复杂，不同地区车辆车牌也有所差异，有些车辆类型或者车牌类型比较少见，所以在短期内很难采集到所有类型的数据，那么也就很难训练一种适用于所有车辆车牌分类的模型。

当模型对新数据类型适应性不好时，都是采用把现场大量的数据采集回去，然后由技术人员进行数据筛选标注，从而训练模型并进一步更新模型到现场。数据传输处理以及模型训练返回，需要大量时间，现场不能及时更新得到更好的模型，同时，重新进行数据标注需要人工操作，从而提高了人力成本，并且人工标注的操作可能会出现数据标注的不准确的问题，不利于模型训练得到更新优化后的模型。

因此，不断更新迭代模型训练，使得模型更快地适应对新增的车辆类型的分类，提高车辆类型预测的准确性，以便更好地对车辆违章行为进行判断是现在本领域技术人员需要努力研究的方向。

发明内容

本申请的一个目的是提供一种车辆分类模型的优化方法，以解决现有技术中分类模型优化需要的时间和人力成本较高及分类模型对车辆类型预测不准确的问题。

根据本申请的一个方面，提供了一种车辆分类模型的优化方法，包括：

获取对车辆进行分类的已有分类模型，所述已有分类模型包括至少两种已知车辆类型；

基于所述已有分类模型对实际场景中的各车辆图像进行车辆分类，得到对应的分类结果，所述分类结果包括所述车辆图像及其对应的车辆类型；

基于所述分类结果和所述已有分类模型重新进行模型训练和测试，得到对车辆进行分类的优化分类模型，所述优化分类模型包括至少一种新增车辆类型和所述至少两种已知车辆类型。

进一步地，上述车辆分类模型的优化方法中，所述基于所述分类结果和所述已有分类模型重新进行模型训练和测试，得到对车辆进行分类的优化分类模型，所述优化分类模型包括至少一种新增车辆类型和所述至少两种已知车辆类型，包括：

按照预设数量比例将所述分类结果随机划分为训练集和测试集；

基于所述训练集重新进行模型训练，得到对车辆进行分类的新分类模型，所述新分类模型包括所述至少一种新增车辆类型和所述至少两种已知车辆类型；

基于所述测试集和所述已有分类模型对所述新分类模型进行模型测试，得到对车辆进行分类的优化分类模型。

进一步地，上述车辆分类模型的优化方法中，基于所述测试集和所述已有分类模型对所述新分类模型进行模型测试，得到对车辆进行分类的优化分类模型，包括：

分别基于所述已有分类模型和所述新分类模型对所述测试集中的各分类结果中的车辆图像进行预测，并统计得到所述已有分类模型的第一准确率和所述新分类模型的第二准确率；