(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210153309.9 (22)申请日 2022.02.18 (71)申请人 胡昌辉 地址 710071 陕西省西安市雁塔区太白南 路2号西安电子科技大 学北校区 (72)发明人 董琪　胡昌辉　 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) B08B 1/00(2006.01) B08B 1/04(2006.01) B08B 3/02(2006.01)B08B 11/04(2006.01) (54)发明名称 一种基于随机擦除的车 型识别方法 (57)摘要 本发明公开了一种基于随机擦除的车型识 别方法包括以下步骤： S1： 将准备好的车型识别 细粒度数据集按照比例划分为训练集Tr， 验证集 v和测试集te； S2： 按照一定比例， 用随机擦除算 法对数据集进行预处理操作， 生成训练集tr； S3： 本算法采用的车辆特征提取网络时ResNeXt网 络， 将网络最后一层全连接层修改为Softmax分 类器层； 用ImageNet训练后得到的预处理模型， 对ResNeXt网络进行初始化， 得到ResNeXt 权值的 初始值； S4： 用随机擦除扩充后的训练集tr， 和验 证集v， 开始训练ResNeXt网络， 得到训练后的模 型； S5： 用测试集te对训练好的ResNeXt网络模型 进行测试， 根据测试结果， 微调训练参数， 确定最 优的参数值， 得到测试正确率最高的网络模型， 即为最终的车 型识别模型。 权利要求书2页 说明书6页 附图6页 CN 114821518 A 2022.07.29 CN 114821518 A 1.一种基于随机擦除的车 型识别方法， 其特 征在于， 包括以下步骤： S1： 将准备好的车型识别细粒度数据集按照比例划分为训练集Tr， 验证集v和测试集 te； S2： 按照一定比例， 用随机擦除算法对数据集进行 预处理操作， 生成训练集t r； S3： 本算法采用的车辆特征提取网络时ResNeXt网络， 将网络最后一层全连接层修改为 Softmax分类器层； 用ImageNet训练后得到的预处理模型， 对ResNeXt网络进行初始化， 得到 ResNeXt权值的初始值； S4： 用随机擦除扩充后的训练集tr， 和验证集v， 开始训练ResNeXt网络， 得到训练后的 模型； S5： 用测试集te对训练好的ResNeXt网络模型进行测试， 根据测试结果， 微调训练参数， 确定最优的参数值， 得到测试正确率 最高的网络模型， 即为 最终的车 型识别模型。 2.根据权利要求1所述的一种基于随机擦除的车型识别方法， 其特征在于： 所述步骤S2 采用了随机擦除的方法对训练集和验证集进 行预处理操作； 首先需要确定随机擦除的概率 p； 在预处理中， 对于每个批次的图像I， 随机擦除的概率是p， 图像保持不变的概率是1 ‑p； 对 每张进行随机擦除的图像， 产生不同大小的随机擦除区域， 相当于生成不同程度的遮挡； 对 于每张车辆图像来说， 当图像的输出概率大于p， 则直接输出原图像， 否则进行随机擦除操 作； 在图像中， 随机选择一个矩形区域Ie， 横纵比在规定的范围内， 且矩形边不能越过图像 边界； 将矩形区域内的像素值擦除或填充为随机像素值。 3.根据权利要求2所述的一种基于随机擦除的车型识别方法， 其特征在于： 所述随机擦 除的算法流 程包括以下步骤： 步骤1： 设置随机擦除概率为p； 设置初始参数值， 输入图像的高为H， 宽为W， 面积为S＝H ×W； 设置随机初始化矩形区域面积的比例范围为(sl,sh)； 设置随机初始化矩形区域的高宽 比范围为(r1,r2)； 步骤2： 输入图像I； 步骤3： 初始化产生 一个随机数p1， p1∈(0,1)； 步骤4： 如果p1≥p， 则保留原 始图像I不变， 直接作为 I*输出； 步骤5： 如果p1<p， 则进行以下步骤， 直至产生 合适的随机擦除区域 Ie； 步骤5.1： 随机生成矩形区域的面积值为Se， 且 随机生成矩形区域高宽比为 re， re∈(r1,r2)； 计算矩形区域的高 宽 步骤5.2： 在输入图像I中， 随机初始化 点P＝(xe,ye)， 其中xe∈(0,W)， ye∈(0,H)； 步骤5.3： 如果xe+We≤W， 且ye+He≤H， 则进行步骤5.4， 否则 重复步骤5.2， 直至产生合适 的矩形区域； 步骤5.4： 计算随机擦除矩形区域 Ie＝(xe,ye,xe+We,ye+He)； 步骤5.4： 将矩形区域Ie内的每个像素的像 素值设置为属于[0,2 55]的随机数， 其他区域 保持不变； 这样就产生了随机擦除的车辆图像I*； 步骤6： 输出图像I*。 4.根据权利要求1所述的一种基于随机擦除的车型识别方法， 其特征在于： 所述步骤S4权　利　要　求　书 1/2 页 2 CN 114821518 A 2中采用的优化器选择是SGD， 初始学习效率是0.0005， 正则化参数是le ‑4， 动量是0.9； dropout rate设置是0.5， 即随机丢失50％的参数， 防止网络模 型过拟合； 批次数是32， 迭代 轮数是100轮。 5.根据权利要求1所述的一种基于随机擦除的车型识别方法， 其特征在于： 还包括用于 车型照片收集的摄像机(1)， 所述摄像机(1)上设有用于拍照的摄像头(16)， 摄像机(1)上设 有用于摄像头(16)上端遮挡的挡板(15)， 且摄像机(1)上还设有可来回周期性运动且用于 摄像头(16)表面清理的刮板(13)， 所述刮板(13)内侧设有 固定连接的清理棉层(12)， 所述 刮板(13)一侧设有固定连接的调节轴(14)， 所述调节轴(14)与摄 像机(1)一侧转动连接 。 6.根据权利要求5所述的一种基于随机擦除的车型识别方法， 其特征在于： 所述摄像机 (1)内设有调节电机(17)， 位于摄像机(1)内部的所述调节轴(14)上设有调节齿轮(141)， 所 述调节电机(17)输出端与调节齿轮(141)啮合。 7.根据权利要求5所述的一种基于随机擦除的车型识别方法， 其特征在于： 所述摄像机 (1)内部设有储水箱(148)， 所述储水箱(148)内设有 固定连接的泵送箱(149)， 所述调节轴 (14)延伸端穿过泵送箱(149)， 且调节轴(14)延伸端与泵送箱(149)一侧内部转动 连接， 所 述泵送箱(149)内设有可来回滑动的活塞板(142)， 所述调节轴(14)外表面设有螺纹(143)， 且调节轴(14)与活塞板(142)之间通过螺纹(143)连接， 所述调节轴(14)内部设有空心的导 流孔(140)， 所述调节轴(14)延伸端设有多个与导流孔(140)相连通的排水孔(145)， 所述排 水孔(145)内设有单 向排水阀(1451)， 位于排水孔(145)一侧的所述泵送箱(149)设有相连 通的进水管(146)， 所述进水管(146)延伸设置在储水箱(148)最底部， 且进水管(146)内设 有单向进水阀， 所述刮板(13)内设有喷淋槽(132)， 所述喷淋槽(132)与导流孔(140)连通， 所述刮板(13)两侧设有对称分布且与喷淋槽(132)相连通的喷淋孔(131)。 8.根据权利要求7所述的一种基于随机擦除的车型识别方法， 其特征在于： 位于排水孔 (145)与螺纹(143)之间的所述调节轴(14)上设有可压缩且用于螺纹(143)密封的弹簧软管 (144)， 所述弹簧软 管(144)延伸端与活塞板(142)侧壁 转动连接 。 9.根据权利要求7所述的一种基于随机擦除的车型识别方法， 其特征在于： 所述喷淋槽 (132)内还设有缓冲槽(134)， 所述缓冲槽(134)内设有可来回滑动的调节板(135)， 且缓冲 槽(134)内设有多个固定连接的复位弹簧(133)， 所述复位弹簧(133)延伸端与调节板(135) 之间固定连接 。权　利　要　求　书 2/2 页 3 CN 114821518 A 3