[发明专利]一种汽车前脸品牌家族化分析方法

摘要

一种汽车前脸品牌家族化分析方法，创建用于汽车品牌分类的前视图初始训练图像库1；创建对应的车标移除汽车前脸品牌分类数据集2；合并数据集为新的汽车前脸品牌分类数据集3；分别对三个数据集，选取ResNet8分类方法进行汽车前脸分类训练及测试，针对测试集记录网络结构各层计算及分类结果；针对某一品牌可进行多级特征的可视化分析，采用类别激活映射方法对品牌前脸家族化造型进行分析，展示对应品牌在不同训练集下的CAM热图，并跟踪各级网络结构下显著特征；利用混淆矩阵方式可视化由步骤2生成的数据库的测试结果，进行品牌间的关联性分析；利用t‑分布领域嵌入方法可视化数据集2的测试结果，并根据需要显示分类错误的车型图片。

主权项

1.一种汽车前脸品牌家族化分析方法，其特征在于，步骤如下：/n(1)创建用于汽车前脸品牌分类的前视图初始训练图像库：整理不同品牌及其不同型号的汽车前脸图像，总样本数目不少于5000，涵盖汽车品牌数目不少于20，单一品牌图像数目不低于150；将背景信息与汽车分离并舍弃，背景色设置为白色；按照宽高比为5：2截取感兴趣区域ROI并存储新图像，尺寸统一化，根据品牌进行标注，将数据集分为60％训练集、20％校验集和20％测试集；/n(2)创建车标移除的汽车前脸品牌分类数据集：对步骤(1)得到的初始训练图像库中的图像逐一进行后处理，去除车标，并根据周围图像纹理进行合理填充，生成无车标的汽车前脸品牌分类数据集，该数据集规模与步骤(1)的初始训练图像库相同且图片一一对应，并按汽车品牌标注，并将数据集按步骤(1)中选取的对应数据分为60％训练集、20％校验集和20％测试集；/n(3)合并步骤(1)、步骤(2)创建的两个数据集，为新的汽车前脸造型分析数据集，同样按照步骤(1)中选取的对应数据分为60％训练集、20％校验集和20％测试集；/n(4)采用ResNet8深度网络结构进行训练得到分类器，然后进行汽车前脸图像的品牌识别，并记录测试集对应的各级网络结构中的计算结果及分类结果；/n(5)针对某一品牌进行多级特征的可视化分析，采用类别激活映射方法对品牌前脸家族化造型进行分析，展示对应品牌在不同训练集下的CAM热图，并跟踪各级网络结构下的显著特征；/n(6)利用混淆矩阵方式可视化由步骤2生成的数据库的测试结果，进行汽车品牌间的关联性分析；/n(7)利用t-分布领域嵌入方法可视化由步骤2生成的数据库的测试结果，并根据需要显示分类错误的车型图片。/n