[发明专利]基于注意力机制的多层网络的车辆主子品牌识别方法

权利要求书

1.基于注意力机制的多层网络的车辆主子品牌识别方法，其特征在于，所述的方法包含如下步骤：

步骤一：收集数据，选择不同场景、天气、光线和角度下的图片，且该图片仅包含一辆完整车辆区域，并对该图片进行分类，得到目标车辆的主品牌和子品牌信息，构建训练集；

步骤二：使用步骤一所得的训练集，训练基于注意力机制的多层网络的车辆主子品牌识别模型；

步骤三：使用步骤二得到的基于注意力机制的多层网络的车辆主子品牌识别模型，输入仅包含一辆完整车辆区域的图片，得到该目标车辆的主品牌预测概率矩阵和子品牌预测概率矩阵；

步骤四：使用步骤三得到的主品牌预测概率矩阵和子品牌预测概率矩阵，通过投票的方式，得到车辆的主品牌和子品牌识别结果；

所述的基于注意力机制的多层网络的车辆主子品牌识别模型具有双层网络结构；

所述的双层网络结构包括第一层网络和第二层网络，第一层网络由第一特征提取器和注意力网络组成，第二层网络由第二特征提取器组成；

所述的第一层网络中的第一特征提取器和注意力网络通过双线性池化操作得到部位特征矩阵，并将该部位特征矩阵输入到全连接层，得到主品牌预测概率矩阵；

所述的第二层网络中的输入是由第一层网络的注意力网络提取的显著性区域所构成，通过第二特征提取器得到输入图片的子品牌预测概率矩阵；

所述第二特征提取器将显著性区域构成的输入图片进行池化操作和全连接操作，得到子品牌预测概率矩阵。

2.根据权利要求1所述的基于注意力机制的多层网络的车辆主子品牌识别方法，其特征在于，子品牌预测概率矩阵的最大值P_子1对应的子品牌为class_子1，及其映射对应的主品牌为class_子→主1，主品牌预测概率矩阵的最大值P_主1对应的主品牌为class_主1。

3.根据权利要求2所述的基于注意力机制的多层网络的车辆主子品牌识别方法，其特征在于，所述的投票的具体规则如下：

规则一：当class_子→主1＝class_主1时，则目标车辆主品牌为class_主1，子品牌为class_子1；

规则二：当class_子→主1≠class_主1，且P_子1P_主1时，则目标车辆主品牌为class_子→主1，子品牌为class_子1；

规则三：当class_子→主1≠class_主1，且P_子1P_主1时，假设子品牌预测概率矩阵映射到主品牌class_主1所对应的最大概率值的子品牌为class_子X，则目标车辆主品牌为class_主1，子品牌为class_子X。

4.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现权利要求1-3任一所述的基于注意力机制的多层网络的车辆主子品牌识别方法的步骤。

5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中所述处理器执行所述程序时实现权利要求1-3任一所述的基于注意力机制的多层网络的车辆主子品牌识别方法的步骤。