买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜之江实验室;浙江工业大学申请的专利一种基于深度学习的高效车辆细粒度识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114022703B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111248733.3，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的高效车辆细粒度识别方法是由杨非;叶娇娇;高飞;陆陈昊;鲍虎军;华炜设计研发完成，并于2021-10-26向国家知识产权局提交的专利申请。

本一种基于深度学习的高效车辆细粒度识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的高效车辆细粒度识别方法，它通过构建高效残差结构提取车辆图像特征，然后通过空间通道损失函数提高特征提取网络的细粒度分类能力，使网络更加专注于车辆图像的不同组件区域，保证特征通道的可区分性和可辨别性，并且不增加卷积神经网络推理的计算量。本发明通过深度学习自动提取特征，避免手工设计特征区域的局限性，更能克服车辆图片复杂环境噪音的干扰，并且能通过空间特征损失函数使特征通过关注更丰富的特征区域，提高车辆细粒度识别的准确率。

本发明授权一种基于深度学习的高效车辆细粒度识别方法在权利要求书中公布了：1.一种基于深度学习的高效车辆细粒度识别方法，通过损失函数提高特征提取网络的细粒度分类能力，使网络更加专注于车辆图像的不同组件区域，其特征在于包括如下步骤：步骤1：将车辆图像的测试样本与训练样本归一化到224×224像素；步骤2：利用训练样本进行卷积神经网络模型训练，提取车辆图像的深层特征信息，具体包括如下步骤：步骤2.1：使用3×3卷积核在特征维度上进行随机和稀疏连接，融合图像空间位置信息到低尺度特征图，并从3通道增加特征通道深度到32通道；步骤2.2：将不同深度特征信息通过ReLu进行激活和归一化操作；步骤2.3：将上述步骤获得的特征图送入高效残差结构中，经过多次特征提取获得特征图F作为下层输入；步骤2.4：通过空间通道损失函数计算特征图F的损失，具体包括如下步骤：步骤2.4.1将特征通道进行分组，不同组的特征通道专注于提取不同区域类型的特征，每组特征通道对应于每个区域应该具有代表性，专注度损失Ldis通过以下公式计算：LdisF＝Lcey,fgF2 其中，Lce代表交叉熵损失函数，i代表车辆类型的索引，y代表真实标签，C代表类别数，F代表特征图，W代表特征图的宽度，H代表特征图的高度，η代表特征图的深度，j代表特征图每层特征的索引，max代表求集合的最大值；步骤2.4.2将每个特征图的最大响应点作为当前特征图的响应中心点p，根据特征图响应度最高点的最小距离占全部距离平均数的比重通过公式5计算平均距离系数Dp，以此代表特征分组的差异性情况，响应点的平均距离系数越小则损失越大，分辨度损失Ldiv通过公式6计算： Ldiv＝Exp-Dp6其中，p代表特征响应中心点坐标向量pi,pj，dist代表欧式距离，min代表求集合的最小值，k代表特征响应中心点的数量；步骤2.4.3根据计算所得的专注度损失Ldis和分辨度损失Ldiv相加作为总损失对网络进行训练；步骤3：推理时只通过式1对特征向量进行归一化，得到不同类别的概率分布； 其中，xi表示上述步骤获取的不同车辆类别的特征向量，i表示车辆类别索引，C表示总的车辆类别个数，e表示自然数；步骤4：根据上述步骤获取的不同车辆类别的概率列表，并输出最大概率的车辆类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人之江实验室;浙江工业大学，其通讯地址为：310023 浙江省杭州市余杭区文一西路1818号人工智能小镇10号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。