Indexed by：
Abstract：
本发明提出基于弱监督学习的数据增强网络的细粒度车辆识别方法，包括以下步骤；步骤S1：把细粒度车型数据集将其输入数据增强网络的主干网络，以获得车辆注意力图并计算部分注意力特征；步骤S2：进行图片数据增强，生成增强图像以扩充训练样本；步骤S3：计算原始图像和增强图像损失以及特征中心损失，以得到网络整体损失函数；步骤S4：过滤背景噪声，生成定位图输入数据增强网络，与原始图像获得的概率求均值得到最终细粒度车型预测结果；步骤S5：构建与颜色、角度、粗粒度车型相关的的多标签向量，将图片输入网络训练获得多标签分类器。输入汽车定位图得到汽车多标签预测结果；本发明能够准确有效地经图像识别来获取图片中的多种车辆信息。
Keyword：
Reprint 's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202011142413.5
Filing Date： 2020-10-22
Publication Date： 2023-02-21 00:00:00
Pub. No.： CN112257601B
公开国别： 中国
Applicants： 福州大学
Legal Status： 授权
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
