申请/专利权人：广州航海学院

申请日：2023-11-09

公开（公告）日：2024-04-26

公开（公告）号：CN117523212B

主分类号：G06V10/30

分类号：G06V10/30;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本公开涉及用于车辆款式图像数据的标签噪声识别方法、系统及设备，方法包括利用卷积神经网络的多任务框架，设置与车辆款式标签层次相对应的子网络结构，并行对不同层次的车辆图像特征提取，然后基于每个层次提取的特征，结合特征中心与最接近聚类中心等关键信息，对每个层次的噪声属性进行判断，再结合所有层次的噪声属性判断结果，实现图像整体噪声属性的判别。系统和设备用于执行上述识别方法。本公开结合车辆款式标签多层次的特性，充分考虑不同层次的噪声情况，对不同层次的噪声进行判断，能有效提高车辆款式图像数据的噪声识别准确率，有利于车辆图像数据在智慧交通中的应用推广。

主权项：1.用于车辆款式图像数据的标签噪声识别方法，其特征在于，包括以下步骤：S01、将所有待识别的车辆数据定义为数据集，，其中，表示车辆的图像数据，表示图像数据对应的车辆款式标签，且，分别表示不同层次的车辆款式标签；S02、设置干净数据集、待定数据集和噪声数据集；S03、构建车辆车款识别网络，所述车辆车款识别网络包括骨架网络以及位于所述骨架网络之后的个并行的属性识别子网络、...，其中，所述属性识别子网络的数量与车辆款式标签的层次数量相匹配，个所述属性识别子网络分别用于识别各个层次的车辆款式标签；S04、通过所述车辆车款识别网络对车辆的图像数据进行特征提取，获得图像数据在各个层次的特征，分别记为图像特征；S05、取干净数据集与待定数据集的并集，对并集中所有图像数据在每个层次的特征分别进行聚类获得聚类结果；计算干净数据集的所有图像数据在每个层次的每个类别中对应的特征的均值，称为第层次、第类别的特征中心；从所得第层次的聚类结果中查找与特征中心距离最近的聚类中心，记为最接近聚类中心；计算第层次、第类别的特征中心与最接近聚类中心的距离记为特征距离，；S06、根据每个图像数据对应的车辆款式标签，查找对应的特征距离，根据所提取的图像数据在各个层次的图像特征，分别计算图像特征与特征中心以及最接近聚类中心的距离，分别记为第一特征距离以及第二特征距离；将所述第一特征距离、第二特征距离分别与查找所得特征距离做数值比较，根据数值比较结果，判断各个车辆数据在各个层次的标签的准确性，并根据标签准确性判断结果，判断各个车辆数据整体属于干净数据、待定数据或噪声数据，根据判断结果，将车辆数据移入到对应的数据集中；S07、重复步骤S04~S06多次，获得关于车辆数据的标签噪声识别结果。

全文数据：

权利要求：

百度查询： 广州航海学院 用于车辆款式图像数据的标签噪声识别方法、系统及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD