The invention provides a training method, device and electronic system of an identification recognition method and its model. After acquiring a picture to be recognized containing an identification, the multi-level initial feature map of the picture to be recognized is extracted through a preset feature extraction network, and the initial feature map of the specified level in the multi-level initial feature map is processed for feature fusion, so as to obtain the fusion feature Feature map; then extract the global features of the fusion feature map; finally, according to the fusion feature map and global features, identify the identification in the image to be recognized. The invention considers the multi-level features of the deep layer, the shallow layer and the like of the picture to be recognized, and adds the global information of the picture for identification recognition, thereby improving the accuracy of identification recognition.
【技术实现步骤摘要】
标识识别方法及其模型的训练方法、装置及电子系统
本专利技术涉及人工智能
,尤其是涉及一种标识识别方法及其模型的训练方法、装置及电子系统。
技术介绍
相关技术中,对车牌等标识的识别过程中可以首先对标识的各个字符进行分割,然后分别进行字符识别,从而实现整个标识的识别;或者采用端到端的标识识别方式,即将包括待识别标识的图像输入到训练好的标识识别模型中,由标识识别模型输出标识的识别结果。上述两种标识识别方式在实现过程中,大多采用特征提取网络最终输出的特征识别车牌等标识,由于使用的特征有限,导致标识识别的准确度较低。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种标识识别方法及其模型的训练方法、装置及电子系统,以全面地提取待识别标识的多层次特征,进而提高标识识别的准确度。第一方面,本专利技术实施例提供了一种标识识别方法,包括:获取包含有标识的待识别图片;通过预设的特征提取网络,提取待识别图片的多层级初始特征图;对多层级初始特征图中的指定层级的初始特征图进行特征融合处理,得到融合特征图;提取融合特征图的全局特征;根据融合特征图和全局特征,识别待识别图片中的标识。结合第一方面,本专利技术实施例提供了第一方面的第一种可能的实施方式,其中,上述特征提取网络包括多层卷积层;通过预设的特征提取网络,提取待识别图片的多层级初始特征图的步骤,包括:将待识别图片输入至多层卷积层中,通过每层卷积层提取待识别图片的相应层级的初始特征图,得到待识别图片的多层级初始特征图。结合第一方面的第 ...
【技术保护点】
1.一种标识识别方法,其特征在于,包括:/n获取包含有标识的待识别图片;/n通过预设的特征提取网络,提取所述待识别图片的多层级初始特征图;/n对所述多层级初始特征图中的指定层级的初始特征图进行特征融合处理,得到融合特征图;/n提取所述融合特征图的全局特征;/n根据所述融合特征图和所述全局特征,识别所述待识别图片中的标识。/n
【技术特征摘要】
1.一种标识识别方法,其特征在于,包括:
获取包含有标识的待识别图片;
通过预设的特征提取网络,提取所述待识别图片的多层级初始特征图;
对所述多层级初始特征图中的指定层级的初始特征图进行特征融合处理,得到融合特征图;
提取所述融合特征图的全局特征;
根据所述融合特征图和所述全局特征,识别所述待识别图片中的标识。
2.根据权利要求1所述的方法,其特征在于,所述特征提取网络包括多层卷积层;
所述通过预设的特征提取网络,提取所述待识别图片的多层级初始特征图的步骤,包括:将所述待识别图片输入至所述多层卷积层中,通过每层所述卷积层提取所述待识别图片的相应层级的初始特征图,得到所述待识别图片的多层级初始特征图。
3.根据权利要求2所述的方法,其特征在于,所述指定层级的初始特征图包括:所述多层卷积层中,从最后一级的卷积层开始的连续指定数量的卷积层输出的初始特征图;所述最后一级的卷积层用于:输出所述待识别图片的最高层级的初始特征图。
4.根据权利要求1或3所述的方法,其特征在于,对所述多层级初始特征图中的指定层级的初始特征图进行特征融合处理,得到融合特征图的步骤,包括:
对所述多层级初始特征图中的指定层级的初始特征图,进行级联融合处理,得到中间结果;
对所述中间结果进行卷积计算,得到融合特征图。
5.根据权利要求1所述的方法,其特征在于,所述全局特征包括所述融合特征图中,每个通道下的子特征图的平均值。
6.根据权利要求5所述的方法,其特征在于,所述提取所述融合特征图的全局特征的步骤,包括:采用预设的平均池化层提取所述融合特征图中,每个通道下的子特征图的平均值。
7.根据权利要求5所述的方法,其特征在于,根据所述融合特征图和所述全局特征,识别所述待识别图片中的标识的步骤包括:
针对每个通道,生成当前通道的虚拟特征图;其中,所述虚拟特征图中的特征值为:所述融合特征图中,所述当前通道下的子特征图的平均值;所述虚拟特征图的尺度与所述当前通道下的子特征图的尺度相同;
将所述融合特征图中,当前通道的子特征图与所述当前通道的虚拟特征图中,相应位置上的特征值相加,得到所述当前通道的最终特征图;
根据每个通道的最终特征图,识别所述待识别图片中的标识。
8.根据权利要求7所述的方法,其特征在于,根据每个通道的最终特征图,识别所述待识别图片中的标识的步骤,包括:
将所述每个通道的最终特征图输入至预设的全连接层,得到输出结果;
针对每个字符,将所述输出结果中,与当前字符相关联的数值输入至预设的softmax函数中,输出所述当前字符对应的概率向量;其中,所述概率向量包括:所述当前字符为指定字符的概率;
将所...
【专利技术属性】
技术研发人员:张沁仪,邵帅,
申请(专利权)人:北京迈格威科技有限公司,
类型:发明
国别省市:北京;11
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。