基于多视角相关性深度学习的车辆损伤识别方法

作者：董守斌; 彭锦波; 胡金龙; 袁华

来源：2021-12-17, 中国, ZL202111552869.3.

本发明公开了一种基于多视角相关性深度学习的车辆损伤识别方法,包括1)获取带标签的远、近景车辆损伤图片；2)使用孪生的深度卷积神经网络对远、近景车辆损伤图片进行图像特征提取；3)使用区域建议网络处理图像特征,获取区域建议框,并将区域建议框所对应的图像特征都转化为相同大小；4)构建关系模型提取区域建议框之间的关系特征,并与对应的区域建议框图像特征进行融合；5)对区域建议框的融合特征进行处理,得到车辆损伤识别结果。本发明首次使用孪生的深度卷积神经网络提取远、近景车辆损伤图片的图像特征,并首次将关系模型用于提取远景车辆损伤图片中零件区域和近景车辆损伤图片中损伤区域间的关系信息,提高了车损识别精度。

• 单位
  华南理工大学