【技术实现步骤摘要】
车牌检测模型的构建方法及系统、车牌检测方法及系统
本专利技术涉及图像识别领域,尤其涉及一种车牌检测模型的构建方法及系统、车牌检测方法及系统。
技术介绍
由于车牌检测对实时性的要求较高,故现今采用机器学习的方法进行车牌检测时,通常采用单阶段目标检测识别算法;单阶段目标检测识别算法目前可分为有锚点框和无锚点框两类;对于有锚点框方法而言,不同的目标大小匹配的锚点框不同,小目标匹配会少一些,大目标匹配会多一些,从而导致对于小目标的学习不鲁棒;对于无锚点框方法来讲,由于小目标匹配的点较少,使得网络偏向于大目标学习,导致小目标检测的漏检率较高。综上,需要对现有技术做进一步改进。
技术实现思路
本专利技术针对现有技术中的缺点,提供了一种车牌检测模型的构建方法及系统、以及一种车牌检测方法及系统。为了解决上述技术问题,本专利技术通过下述技术方案得以解决:一种车牌检测模型的构建方法,包括根据分类预测损失值和位置预测损失值对第一卷积神经网络进行反馈更新的步骤,所述第一卷积神经网络的输入为样本图像及其标注信息,所述标注信息包括各车牌的车牌框和类别,输出为相应的热点图数据和类别预测数据;所述分类预测损失值的计算方法为:根据车牌框和热点图数据进行正负困难样本挖掘,获得困难正样本与困难负样本,其中每个车牌所对应的困难正样本的数量相同;提取所述困难正样本和所述困难负样本的类别和类别预测数据,基于所述类别和所述类别预测数据计算分类预测损失值。作为一种可实施方式:所述热 ...
【技术保护点】
1.一种车牌检测模型的构建方法,包括根据分类预测损失值和位置预测损失值对第一卷积神经网络进行反馈更新的步骤,所述第一卷积神经网络的输入为样本图像及其标注信息,所述标注信息包括各车牌的车牌框和类别,输出为相应的热点图数据和类别预测数据;/n其特征在于,所述分类预测损失值的计算方法为:/n根据车牌框和热点图数据进行正负困难样本挖掘,获得困难正样本与困难负样本,其中每个车牌所对应的困难正样本的数量相同;/n提取所述困难正样本和所述困难负样本的类别和类别预测数据,基于所述类别和所述类别预测数据计算分类预测损失值。/n
【技术特征摘要】
1.一种车牌检测模型的构建方法,包括根据分类预测损失值和位置预测损失值对第一卷积神经网络进行反馈更新的步骤,所述第一卷积神经网络的输入为样本图像及其标注信息,所述标注信息包括各车牌的车牌框和类别,输出为相应的热点图数据和类别预测数据;
其特征在于,所述分类预测损失值的计算方法为:
根据车牌框和热点图数据进行正负困难样本挖掘,获得困难正样本与困难负样本,其中每个车牌所对应的困难正样本的数量相同;
提取所述困难正样本和所述困难负样本的类别和类别预测数据,基于所述类别和所述类别预测数据计算分类预测损失值。
2.根据权利要求1所述的车牌检测模型的构建方法,其特征在于:
所述热点图数据包括至少两幅不同尺寸的热点图;
所述类别预测数据包括与所述热点图中各点一一对应的预测类别标签。
3.根据权利要求2所述的车牌检测模型的构建方法,其特征在于,基于根据各车牌的车牌框和热点图数据进行正负困难样本挖掘,获得困难正样本与困难负样本,其中每个车牌所对应的困难正样本的数量相同的具体步骤为:
基于车牌的尺寸,按照预设的预测规则提取相适配的热点图,并提取相应的车牌框的中心点,将所述中心点映射至所述热点图中,获得中心映射点;
从所述热点图中提取所述中心映射点的八连通域坐标点,将所述中心映射点和所述八连通域坐标点作为所述车牌的困难正样本;
基于预设的正负样本比例,从所述热点图中挖掘获得对应数量的困难负样本。
4.根据权利要求3所述的车牌检测模型的构建方法,其特征在于,位置预测损失值的计算方法为:
所述预测类别标签为预测车牌类别标签或预测背景标签,提取各预测车牌类别标签的置信度;
按照车牌类别,分别提取对应车牌类别中置信度大于预设的置信度阈值的预测车牌类别标签,并提取热点图与所述预测车牌类别标签相映射的点,获得第一目标位置点;
根据第一目标位置点和第一目标位置点所在热点图的尺寸,生成预测车牌框;
根据各车牌的车牌框和预测车牌框,利用IOU损失函数计算位置预测损失值。
5.一种车牌检测模型的构建系统,包括反馈更新模块,所述反馈更新模块用于根据分类预测损失值和位置预测损失值对第一卷积神经网络进行反馈更新的步骤,所述第一卷积神经网络的输入为样本图像及其标注信息,所述标注信息包括各车牌的车牌框和类别,输出为相应的热点图数据和类别预测数据;
其特征在于,还包括分类损失计算单元,所述其中分类损失计算单元包括困难样本挖掘子单元和损失计算子单元;
所述困难样本挖掘子单元,用于基于根据各车牌的车牌框和热点图数据进行正负困难样本挖掘,获得困难正样本与困难负样本,其中每个车牌所对应的困难正样本的数量相同;
所述损失计算子单元,用于提取所述困难正样本和所述困难负样本的类别和类别预测数据,基于所述类别和所述类别预测数据计算分类预测损失值。
6.一种车牌检测方法...
【专利技术属性】
技术研发人员:张浩,
申请(专利权)人:杭州雄迈集成电路技术股份有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。