车牌检测模型的训练方法和装置制造方法及图纸

说明书披露一种车牌检测模型的训练方法和装置，方法包括：利用以下步骤进行迭代训练，直至满足所述车牌检测模型的模型训练要求：将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失；根据所述第一旋转损失和所述第二旋转损失确定综合旋转损失；根据所述综合旋转损失更新所述车牌检测模型的模型参数。

【技术实现步骤摘要】
车牌检测模型的训练方法和装置
本说明书涉及人工智能领域，尤其涉及一种车牌检测模型的训练方法和装置。
技术介绍
车牌是车辆的重要标识，在公路、停车场等的监控系统中，都可以借助人工智能来对车牌进行识别，以根据车牌号确定车辆和车主信息。车牌识别前往往需要进行车牌检测，车牌检测是从复杂的图像中检测到车牌所在的位置。基于检测到的车牌位置进而进行车牌识别。车牌检测是车牌识别的基础，如何提高车牌检测的准确率成了亟待解决的问题。
技术实现思路
有鉴于此，本说明书提供一种车牌检测模型的训练方法和装置。具体地，本说明书是通过如下技术方案实现的：根据本申请的第一方面，提供一种车牌检测模型的训练方法，所述方法包括：利用以下步骤进行迭代训练，直至满足所述车牌检测模型的模型训练要求：将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失；根据所述第一旋转损失和所述第二旋转损失确定综合旋转损失；根据所述综合旋转损失更新所述车牌检测模型的模型参数。根据本申请的第二方面，提供一种车牌检测模型的训练装置，所述装置包括：利用以下单元进行迭代训练，直至满足所述车牌检测模型的模型训练要求：样本输入单元，用于将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；第一确定单元，用于根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；第二确定单元，用于根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失；综合确定单元，用于根据所述第一旋转损失和所述第二旋转损失确定综合旋转损失；第一参数更新单元，用于根据所述综合旋转损失更新所述车牌检测模型的模型参数。根据本申请的第三方面，提供一种车牌检测模型的训练装置，所述装置包括：处理器；用于存储机器可执行指令的存储器；其中，通过读取并执行所述存储器存储的与车牌检测模型的训练逻辑对应的机器可执行指令，所述处理器被促使：利用以下步骤进行迭代训练，直至满足所述车牌检测模型的模型训练要求：将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失；根据所述第一旋转损失和所述第二旋转损失确定综合旋转损失；根据所述综合旋转损失更新所述车牌检测模型的模型参数。本说明书一个实施例实现了，在对车牌检测模型进行训练时，针对每张样本图像，根据车牌预测框与车牌标注框的在角度维度上的第一旋转损失和在面积维度上的第二旋转损失，确定综合旋转损失，基于综合损失对车牌检测模型的模型参数进行更新。相较于单独对车牌预测框中的各个顶点的坐标分别与车牌标注框对应坐标进行比较的方法，本方法通过第一旋转损失和第二旋转损失关联车牌框的各顶点，即使标注信息中存在错误的坐标值，也不会将该误差放大，继而使得模型参数不会因为偶然的误差数据而发生剧烈震荡，可以提高车牌检测模型的稳定性。附图说明图1是本说明书一示例性实施例示出的一种获取样本图像的方法的流程示意图。图2是本说明书一示例性实施例示出的一种车牌检测模型的训练方法的流程示意图。图3是本说明书一示例性实施例示出的一种确定第一旋转损失的方法的流程示意图。图4是本说明书一示例性实施例示出的一种样本图像的示意图。图5是本说明书一示例性实施例示出的一种车牌检测模型的结构示意图。图6是本说明书一示例性实施例示出的一种样本图像中标注信息的示意图。图7是本说明书一示例性实施例示出的另一种车牌检测模型的结构示意图。图8是本说明书一示例性实施例示出的一种用于建立车牌检测模型的训练装置的一结构示意图。图9是本说明书一示例性实施例示出的一种车牌检测模型的训练装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。车牌检测是指检测指定图像中车辆的车牌框，例如可以输出在指定坐标系下的车牌框顶点的坐标；或者直接在指定图像中绘出车牌框。常见的，公路或停车场的监控系统中可以应用车牌检测来确定监控区域中车辆的车牌框，后续可以根据该检测到的车牌框来识别具体的车牌号码。随着人工智能技术的发展，基于深度学习技术来进行车牌检测的方法被广泛应用。在该方法中，首先需要一个预设的车牌检测模型，然后使用携带标签的样本图像来训练模型，以更新该车牌检测模型的模型参数，多次迭代训练，直到满足预设的模型训练要求。其中，模型训练要求可以根据实际情况进行设定，例如要求迭代训练的次数满足预设的迭代次数；或者要求设定的损失函数收敛等，这里只是示例性说明，并不进行限定。在模型训练时，如何定义模型的损失函数是决定模型优劣的一个重要因素。在相关技术中，对于任意角度的车牌检测，通常可以基于车牌框四个顶点在指定坐标系下的8个坐标值（每个顶点包括横坐标值和纵坐标值）来确定模型损失，例如，针对每个坐标，计算预测出的坐标值与样本图像中实际车牌框中对应坐标值的偏移量，继而根据各个坐标值的偏移量来确定损失。然而，这种对每个坐标值分别进行处理的方法中，标注信息中如果存在错误的坐标值，在计算损失时该误差会被放大，继而很容易引起模型参数的剧变，导致训练得到的模型稳定性较差。有鉴于此，本说明书提出了一种车牌检测模型的训练方法，本方法可以应用于监控设备、个人PC或服务器等电子设备中，训练得到的车牌检测模型具有更好的稳定性。本申请实施例中，预先获取用于训练车牌检测模型的样本图像，该过程可以包含在车牌检测模本文档来自技高网...

【技术保护点】
1.一种车牌检测模型的训练方法，其特征在于，所述方法包括：/n利用以下步骤进行迭代训练，直至满足所述车牌检测模型的模型训练要求：/n将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；/n根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；/n根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失；/n根据所述第一旋转损失和所述第二旋转损失确定综合旋转损失；/n根据所述综合旋转损失更新所述车牌检测模型的模型参数。/n

【技术特征摘要】
1.一种车牌检测模型的训练方法，其特征在于，所述方法包括：
利用以下步骤进行迭代训练，直至满足所述车牌检测模型的模型训练要求：
将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；
根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；
根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失；
根据所述第一旋转损失和所述第二旋转损失确定综合旋转损失；
根据所述综合旋转损失更新所述车牌检测模型的模型参数。


2.根据权利要求1所述的方法，其特征在于，所述根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失，包括：
确定基准点与所述车牌预测框的相对顶点之间的第一角度；
确定所述基准点与所述车牌标注框的所述相对顶点之间的第二角度；
根据所述第一角度和所述第二角度确定所述第一旋转损失。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一角度和所述第二角度确定所述第一旋转损失，包括：
确定位置关系相同的所述第一角度和所述第二角度之间的角度差值；
根据位置关系不同的角度差值确实所述第一旋转损失。


4.根据权利要求2所述的方法，其特征在于，所述基准点位于所述车牌预测框对角线所在的直线上；或
所述基准点位于所述车牌标注框对角线所在的直线上。


5.根据权利要求1所述的方法，其特征在于，所述根据所述车牌预测框和所述车牌标注框确定面积维度下的第二旋转损失，包括：
确定所述车牌预测框的最小外接矩形，作为车牌预测包围框；
确定所述车牌标注框的最小外接矩形，作为车牌标注包围框；
根据所述车牌预测包围框和所述车牌标注包围框确定所述第二旋转损失。


6.根据权利要求1所述的方法，其特征在于，所述车牌检测模型包括：特征提取层、特征筛选层和车牌检测层；
所述特征提取层，用于获取所述样本图像，并对所述样本图像进行特征提取，得到基础特征图；
所述特征筛选层，用于对所述基础特征图进行特征筛选，得到热点特征图；
所述车牌检测层，用于根据所述基础特征图和所述热点特征图预测得到所述车牌预测框。


7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述车牌标注框和所述热点特征图确定特征筛选损失；
根据所述特征筛选损失更新所述特征筛选层的模型参数；
根据所述综合旋转损失更新车牌检测层的模型参数；
根据所述特征筛选损失和所述综合旋转损失更新所述特征提取层的模型参数。


8.一种车牌检测模型的训练装置，其特征在于，所述装置包括：
利用以下单元进行迭代训练，直至满足所述车牌检测模型的模型训练要求：
样本输入单元，用于将样本图像输入所述车牌检测模型，得到所述样本图像的车牌预测框，所述样本图像标注有车牌标注框；
第一确定单元，用于根据所述车牌预测框和所述车牌标注框确定角度维度下的第一旋转损失；

【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