一种基于边缘引导稀疏注意力机制的车牌实时检测方法技术

本发明专利技术公开了一种基于边缘引导稀疏注意力机制的车牌实时检测方法，属于目标检测的技术领域。该方法首先使用卷积神经网络对输入图像进行处理，提取语义特征；然后利用一种新的边缘引导稀疏注意力机制快速捕获显著性区域，即车牌区域，其中边缘引导稀疏注意力机制包括边缘引导组件和稀疏注意力组件；接着采用级联多任务学习辅助车牌精准检测；最后采用损失掩码方法去抑制低质量的预测框，提高系统性能。本发明专利技术可实现在各种自然场景下的车牌实时检测，并具有高准确率、高召回率以及高鲁棒性，对于现实应用具有重要意义。在最大和最多样化的公开数据集CCPD上实现了最先进的性能，尤其是在CCPD‑Base（100k）测试集上的检测精度达到99.9％。

【技术实现步骤摘要】
一种基于边缘引导稀疏注意力机制的车牌实时检测方法
本专利技术属于目标检测的
，具体涉及一种基于边缘引导稀疏注意力机制的车牌实时检测方法。
技术介绍
近年来，由于自注意力机制在特征图上的所有位置进行加权求和的核心操作，不仅帮助深度学习模型捕获长距离依赖关系，还能让模型更加关注到显著特征，推动许多计算机视觉任务的发展，例如目标检测，语义分割，人体姿态估计等。从图像滤波的角度来看，其本质在于降噪以及在长距离上重组最重要的上下文语义信息。尽管自注意力机制很受欢迎，但也有局限性。现有很多基于自注意力的方法，如WangX等在《Non-localneuralnetworks》(ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition.2018:7794-7803.)中提出的Non-local，Yuan,Yuhui等在《OCNet:ObjectContextNetworkforSceneParsing》中提出的OCNet，FuJ等在《DualAttentionNetwo本文档来自技高网...

【技术保护点】
1.一种基于边缘引导稀疏注意力机制的车牌实时检测方法，其特征在于：所述边缘引导稀疏注意力机制包括边缘引导组件和稀疏注意力组件，所述实时检测方法包括：/nS1、使用卷积神经网络对输入图像进行处理，提取语义特征图X；/nS2、所述边缘引导稀疏注意力机制捕捉车牌区域，其中，/n所述边缘引导组件用于增强目标边缘信息并减少噪声干扰，具体操作如下：/nS21、利用卷积神经网络提取图像的边缘信息，生成边缘引导图I；/nS22、将所述语义特征图X和所述边缘引导图I通过卷积神经网络获取线性模型系数(a，b)；/nS23、利用线性模型系数(a，b)和边缘引导图I构建线性模型g

【技术特征摘要】
1.一种基于边缘引导稀疏注意力机制的车牌实时检测方法，其特征在于：所述边缘引导稀疏注意力机制包括边缘引导组件和稀疏注意力组件，所述实时检测方法包括：
S1、使用卷积神经网络对输入图像进行处理，提取语义特征图X；
S2、所述边缘引导稀疏注意力机制捕捉车牌区域，其中，
所述边缘引导组件用于增强目标边缘信息并减少噪声干扰，具体操作如下：
S21、利用卷积神经网络提取图像的边缘信息，生成边缘引导图I；
S22、将所述语义特征图X和所述边缘引导图I通过卷积神经网络获取线性模型系数(a，b)；
S23、利用线性模型系数(a，b)和边缘引导图I构建线性模型gi＝aiIi+bi，通过线性模型得到特征图X1；
所述稀疏注意力组件用于减少自注意力机制计算复杂度，所述特征图X1为所述稀疏注意力组件中输入，所述稀疏注意力组件中的具体操作如下：
S24、为输入特征图X1的每个源像素找到K个最相似的目标像素；
S25、对于每个源像素，利用与它最相似的K个目标像素计算注意力图；
S26、使用注意力图聚合k个目标像素得到相应的输出特征；
S3、采用级联多任务学习辅助车牌的精准检测；
S4、使用损失掩码方法去抑制低质量的预测框。


2.根据权利要求1所述的一种基于边缘引导稀疏注意力机制的车牌实时检测方法，其特征在于：步骤S24中找到所述K个最相似的目标像素的具体步骤如下：
S241、通过卷积神经网络预测具有2K通道数的偏移图offset(k，c`，i，j)，其中K表示K个与相应源像素最相似的目标像素，2表示x轴和y轴，通过特征图X1生成基本网格basic(c，i，j)，它表示每个像素的原始坐标，基本网格有2个通道，分别表示x轴和y轴；
S242、把基本网格中每个目标像素的原始坐标和偏移图中相应的K个像素的偏移坐标进行求和以获得绝对坐标abs_offset(k，c`，i，j)，公式如下：
abs_offset(k，c`，i，j)＝offset(k，c`，i，j)+basic(c，i，j)，
c＝0，1；c′＝2(k-1)，2(k-1)+1；k＝1，...

【专利技术属性】
技术研发人员：秦华标，梁静，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44