定位方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种定位方法、装置、存储介质及电子设备，包括获取待定位图像；将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率；将所述概率大于预设阈值的像素点确定为属于所述目标定位区域的目标像素点；将所述目标像素点所在的区域确定为所述待定位图像中的目标定位区域。通过上述技术方案，就能够精确地识别出待定位图像中目标定位区域的位置，且不限制目标定位区域的形状，从而能够更好地将目标定位区域与待定位图像中的背景区域分割开，不影响到背景区域的图像完整。

【技术实现步骤摘要】
定位方法、装置、存储介质及电子设备
本公开涉及图像识别领域，具体地，涉及一种定位方法、装置、存储介质及电子设备。
技术介绍
目前有很多领域都出现了对于车辆车牌的识别需求，例如停车场出入口需要对车辆车牌中的具体车牌号进行识别来进行车辆出入的统计或者扣费、车管所需要在对道路上出现违规的车辆进行拍照后，识别出照片出的车牌号，以便将该违规操作与该车牌号进行关联等。但是这些场景中对于车牌的识别都只有对车牌号的识别需求，对于整个车牌所在的区域没有精确识别的需求，因此目前对于车牌识别的方法在精确识别车牌所在区域的效果上并不是很理想。尤其是如果图像上的车牌并不是以正面出现，而是以一个倾斜的角度出现时，几乎无法根据该倾斜车牌出现的角度对该倾斜车牌所在区域进行精准识别。如果需要通过对该车牌所在区域进行精准的识别且不影响到该车牌周围的图像，现有的车牌识别方法很难做到。
技术实现思路
本公开的目的是提供一种定位方法、装置、存储介质及电子设备，能够通过对像素点进行分类的方法精确地将图像中的目标定位区域与非目标定位区域分割开。为了实现上述目的，本公开提供一种定位方法，所述方法包括：获取待定位图像；将所述待定位图像输本文档来自技高网...

【技术保护点】
1.一种定位方法，其特征在于，所述方法包括：获取待定位图像；将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率；将所述概率大于预设阈值的像素点确定为属于所述目标定位区域的目标像素点；将所述目标像素点所在的区域确定为所述待定位图像中的目标定位区域。

【技术特征摘要】
1.一种定位方法，其特征在于，所述方法包括：获取待定位图像；将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率；将所述概率大于预设阈值的像素点确定为属于所述目标定位区域的目标像素点；将所述目标像素点所在的区域确定为所述待定位图像中的目标定位区域。2.根据权利要求1所述的方法，其特征在于，用于训练所述预设深度学习模型的训练图像数据中的像素点包括目标定位区域的像素点和非目标定位区域的像素点，其中，所述非目标定位区域的像素点包括背景像素点和模糊像素点，所述背景像素点为属于背景区域的像素点，所述模糊像素点为既不属于所述目标定位区域、也不属于背景区域的像素点；所述预设深度学习模型按照以下方式进行训练：将所述模糊像素点对应的惩罚力度设置为0。3.根据权利要求1所述的方法，其特征在于，用于训练所述预设深度学习模型的训练图像数据中的像素点包括目标定位区域的像素点和非目标定位区域的像素点，所述目标定位区域的像素点对应的权重大于所述非目标定位区域的像素点对应的权重；所述预设深度学习模型按照以下方式进行训练：根据所述训练图像数据中各个像素点对应的权重确定各个像素点对应的惩罚力度。4.根据权利要求3所述的方法，其特征在于，所述各个像素点对应的惩罚力度与所述训练图像数据中各个像素点对应的权重之间呈正相关关系。5.根据权利要求1所述的方法，其特征在于，所述将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率包括：若检测到所述待定位图像中存在所述目标定位区域，则将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率。6.根据权利要求1-5中任一权利要求所述方法，其特征在于，所述目标定位区域为车辆车牌。7.一种定位装置，其特征在于，所述装置包括：获取模块，用于获取待定位图像；概率计算模块，用于将所述待定位图像输入预设深度学习模型以得到所述待定位图像...

【专利技术属性】
技术研发人员：周多友，王长虎，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11