本發(fā)明公開了一種基于強(qiáng)化學(xué)習(xí)和雙線性卷積網(wǎng)絡(luò)的車型識別方法，構(gòu)建深度網(wǎng)絡(luò)模型，設(shè)置細(xì)粒度分類網(wǎng)絡(luò)的超參數(shù)并初始化網(wǎng)絡(luò)；建立優(yōu)化顯著性特征的馬爾科夫決策模型；對數(shù)據(jù)集進(jìn)行尺度變換；優(yōu)化注意力區(qū)域：在細(xì)粒度分類網(wǎng)絡(luò)參數(shù)固定的情況下，將數(shù)據(jù)集輸入細(xì)粒度分類網(wǎng)絡(luò)，并采用強(qiáng)化學(xué)習(xí)算法優(yōu)化顯著性區(qū)域，選擇最優(yōu)的注意力區(qū)域；建立對細(xì)粒度分類網(wǎng)絡(luò)參數(shù)進(jìn)行更新的損失函數(shù)；融合特征后重復(fù)訓(xùn)練網(wǎng)絡(luò)直到注意力區(qū)域不再變化為止；采用需要測試的車型圖像輸入到訓(xùn)練完成的模型中，獲得相應(yīng)的檢測結(jié)果。本發(fā)明利用強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)來提取底層的顯著性特征，并通過雙線性插值法來對高層語義特征和低層的顯著性特征進(jìn)行融合提高識別準(zhǔn)確率。