[发明专利]一种基于Transformer的车标识别方法及装置

权利要求书

1.一种基于Transformer的车标识别方法，其特征在于，该方法包括：

第一步骤，接收车辆图像；

第二步骤，对车辆图像进行高宽固定比例补边、缩放、高宽32倍数补边处理，得到处理后的车辆图像；

第三步骤，基于MobileNetV2网络和Transformer，构建车标识别网络；输入车辆样本图像，对车标识别网络进行反复训练，直至网络收敛，得到训练好的车标识别网络；

第四步骤，将处理后的车辆图像输入到训练好的车标识别网络中，获得车标的识别结果并输出；

进一步地，所述第二步骤包括：

高宽固定比例补边处理步骤，按照高宽固定比例、车辆图像的高度和宽度，计算固定比例后的高度和宽度；按照固定比例后的高度和宽度，将车辆图像进行外扩，外扩区域的像素补为0，得到第一车辆图像；

固定尺寸缩放处理步骤，按照固定尺寸，对第一车辆图像进行缩小或者放大，得到第二车辆图像；

高宽为32倍数补边处理步骤，将第二车辆图像的高度和宽度分别外扩至32的倍数，外扩区域的像素补为0，得到处理后的车辆图像；

其中，所述高宽固定比例是根据相机采集的图像分辨率设定的。

2.如权利要求1所述的方法，其特征在于，所述固定尺寸为以下的一种：高度是192个像素、宽度是108个像素；高度是224个像素、宽度是126个像素。

3.如权利要求1所述的方法，其特征在于，所述车标识别网络包括：Input、CU、MU*1、MU*2、TU*2、MU*2、TU*3、MU*2、TU*2、MU*1、global pooling、Softmax；

其中，Input表示输入层；CU表示卷积单位，包括卷积层、BN层、激活函数(relu)；MU表示MobilenetV2的单元模块，所述MobilenetV2的单元模块包括：CU、DU、CU，其中DU表示深度卷积单元，所述深度卷积单元包括：深度卷积层、BN层、激活函数(relu)；TU表示Transformer的单元模块；global pooling表示全局池化层；Softmax表示Softmax损失函数；其中，所述“*1”代表重复1次，所述“*2”代表重复2次，所述“*3”代表重复3次。

4.如权利要求3所述的方法，其特征在于，所述MU和CU两个单元模块的衔接方法包括：经过MU输出特征图H、W、C分别为特征图F的高、宽、通道数；将特征图F经过1x1xCxd的卷积模板，将通道数变为d，得到特征图将特征图F_L展开为N个不重叠的patch，得到其中P＝w×h，将特征图F_U经过L次Transformer模块，得到将特征图F_G还原成之前的形状再使用1x1xdxC的卷积模板，将通道数还原成C得到其中，所述patch表示小块，h和w分别表示patch的高度和宽度，P表示patch的尺寸，N表示特征图展开成patch的个数。

5.如权利要求4所述的方法，其特征在于，所述w的取值为2或者4或者6，h的取值为2或者4或者6；所述L的取值为2或者3或者4。