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！

龙图腾网获悉广州广电运通金融电子股份有限公司申请的专利基于深度学习的非机动车属性识别方法、装置、介质及设备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：CN115424218B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211086264.4，技术领域涉及：G06V20/54；该发明授权基于深度学习的非机动车属性识别方法、装置、介质及设备是由文莉;金晓峰;徐天适;岳许要;潘新生设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本基于深度学习的非机动车属性识别方法、装置、介质及设备在说明书摘要公布了：本发明公开了一种基于深度学习的非机动车属性识别方法，包括：构建非机动车属性识别模型，所述模型由多个单一属性模型融合而成，每一单一属性模型包括共享层和特有层，其中每一单一属性模型的共享层是相同的，所述特有层与所述单一属性模型一一对应；获取训练样本集，所述训练样本集中包括若干个图像信息，且已标注属性标签；采用所述训练样本集对所述单一属性模型进行训练，融合训练好的单一属性模型，得到所述非机动车属性识别模型。本发明解决了现有技术在对非机动车属性进行识别时存在速度、准确率、鲁棒性欠佳以及不同属性的预测能力彼此压制的问题。

本发明授权基于深度学习的非机动车属性识别方法、装置、介质及设备在权利要求书中公布了：1.一种基于深度学习的非机动车属性识别方法，其特征在于，所述方法包括： 构建非机动车属性识别模型，所述非机动车属性识别模型由多个单一属性模型融合而成，每一所述单一属性模型包括共享层和特有层，其中每一所述单一属性模型的所述共享层是相同的，所述特有层与所述单一属性模型一一对应；所述非机动车属性识别模型还通过切片操作将共享层的输出特征按区域切分出若干个重叠特征块；所述重叠特征块分别用于识别与区域相关的单一属性；所述重叠特征块按区域切分，至少包括顶部特征块、中部特征块； 获取训练样本集，所述训练样本集中包括若干个图像信息，每个图像信息中的非机动车目标已标注属性标签； 采用所述训练样本集对所述单一属性模型进行训练，融合训练好的单一属性模型，得到所述非机动车属性识别模型，其中，每一个单一属性模型用于对单一一种属性进行识别，各个单一属性模型识别得到的属性融合后，作为所述非机动车属性识别模型的输出；所述单一属性模型具有相同的共享层，在运行所述非机动车属性识别模型时，同步执行各个单一属性模型的共享层，各个单一属性模型在得到共享层输出后，依次执行各自的特有层； 其中，所述采用所述训练样本集对所述单一属性模型进行训练包括： 将所述非机动车属性识别模型中的一个单一属性模型的共享层类别参数修改为第一属性类型；采用所述训练样本集对修改后的所述单一属性模型进行训练，并采用全连接层损失函数Softmaxloss与中心损失函数centerloss的联合损失函数进行监督，得到所述第一属性模型； 所述采用所述训练样本集对所述单一属性模型进行训练包括： 将所述非机动车属性识别模型中的一个单一属性模型的共享层类别参数修改为第二属性类型；基于所述第一属性模型初始化共享层类别参数为第二属性类型的单一属性模型，得到第二属性模型；冻结所述第二属性模型中的共享层；采用所述训练样本集对所述第二属性模型进行训练，并采用全连接层损失函数Softmaxloss与中心损失函数centerloss的联合损失函数进行监督，得到第二属性模型； 当所述重叠特征块为顶部特征块或中部特征块时，所述采用所述训练样本集对所述单一属性模型进行训练包括：将所述非机动车属性识别模型中的一个单一属性模型的共享层类别参数修改为第三属性类型；基于所述第一属性模型初始化共享层类别参数为所述第三属性类型的单一属性模型，得到所述第三属性模型；冻结所述第三属性模型中的共享层；采用所述训练样本集对所述第三属性模型进行训练，并采用全连接层损失函数Softmaxloss与中心损失函数centerloss的联合损失函数进行监督，得到第三属性模型。

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广州广电运通金融电子股份有限公司，其通讯地址为：510000 广东省广州市高新技术产业开发区科学城科林路9、11号；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”。

以上内容由龙图腾AI智能生成。