本发明公开了一种基于强化学习和双线性卷积网络的车型识别方法,构建深度网络模型,设置细粒度分类网络的超参数并初始化网络;建立优化显著性特征的马尔科夫决策模型;对数据集进行尺度变换;优化注意力区域:在细粒度分类网络参数固定的情况下,将数据集输入细粒度分类网络,并采用强化学习算法优化显著性区域,选择最优的注意力区域;建立对细粒度分类网络参数进行更新的损失函数;融合特征后重复训练网络直到注意力区域不再变化为止;采用需要测试的车型图像输入到训练完成的模型中,获得相应的检测结果。本发明利用强化学习网络来提取底层的显著性特征,并通过双线性插值法来对高层语义特征和低层的显著性特征进行融合提高识别准确率。
声明:
“基于强化学习和双线性卷积网络的车型识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)