本发明专利技术公开一种车牌图像生成方法、系统和车牌图像成器，包括步骤：获取真实车牌图像，构建与真实车牌图像对应的语义标签，得到训练数据集；以所述训练数据集训练OASIS生成网络，得到第一固定参数；以所述第一固定参数下的OASIS生成网络输出第一车牌图像；以所述第一车牌图像和所述真实车牌图像训练OASIS语义分割网络，得到第二固定参数；以所述第二固定参数下的OASIS生成网络为目标OASIS生成网络；获取模拟车牌图像，构建与所述模拟车牌图像对应的语义标签，得到生成车牌数据集，将所述生成车牌数据集输入所述目标OASIS生成网络，得到目标样本。实现自动生成车牌样本数据，解决了车牌样本采集和标注繁琐的难点。车牌样本采集和标注繁琐的难点。车牌样本采集和标注繁琐的难点。
【技术实现步骤摘要】
车牌图像生成方法、系统和车牌图像成器
[0001]本专利技术涉及数据处理
，具体涉及一种样本图像的生成方法。
技术介绍
[0002]随着深度学习技术的快速发展，基于神经网络的端到端车牌识别算法逐渐取代了基于传统机器学习的车牌识别算法。前者具有鲁棒性好、准确率高、处理速度快等明显优势，但其存在需要收集大量的车牌标注样本用于训练的缺点。
[0003]为了获取满足训练要求的车牌标注数据，需要耗费大量的时间、资金和人力进行收集和标注工作。首先，车牌的种类繁多，包含小型车牌、大型车牌、大型双层车牌、新能源车牌、警牌、军牌、双层军牌等，相对罕见的车牌增加了样本收集工作的难度；其次，各省市的车牌内容也存在差异，需要对每个地区进行同样的重复收集。
[0004]为了减少成本，一般会使用计算机图像技术，按照车牌的颜色、字体和字符内容等规则人工合成车牌图片，作为车牌标注数据的补充。在合成车牌图片的过程中，通过加入常见的数据增强技术，例如随机裁剪、缩放、旋转，随机亮度、对比度、色度、色饱和度，增加污损、遮挡等方式，使合成的车牌图片尽可能模拟真实的车牌图片。然而这种通过人工方法合成的车牌图片同真实场景下车牌图片数据分布差距较大，往往会导致识别模型学习到错误的知识，无法挖掘车牌图片数据的本质特征，从而使得模型泛化能力下降，在真实数据上的表现效果较差。
技术实现思路
[0005]本专利技术提供了一种自动生成车牌样本数据的方法和系统，解决了车牌样本采集和标注繁琐的难点。
[0006]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：
[0007]一种车牌图像生成方法，包括以下步骤：
[0008]获取真实车牌图像，构建与真实车牌图像对应的语义标签，得到训练数据集；
[0009]以所述训练数据集训练OASIS生成网络，得到第一固定参数；
[0010]以所述第一固定参数下的OASIS生成网络输出第一车牌图像；
[0011]以所述第一车牌图像和所述真实车牌图像训练OASIS语义分割网络，得到第二固定参数；
[0012]以所述第二固定参数下的OASIS生成网络为目标OASIS生成网络；
[0013]获取模拟车牌图像，构建与所述模拟车牌图像对应的语义标签，得到生成车牌数据集，将所述生成车牌数据集输入所述目标OASIS生成网络，得到目标样本。
[0014]可选的，以所述训练数据集训练OASIS生成网络的方法包括：
[0015]所述训练数据集包括语义标签数据和车牌图像数据；
[0016]将所述语义标签数据输入OASIS生成网络，输出第一车牌图像；
[0017]所述第一车牌图像输入冻结网络参数的OASIS语义分割网络，输出第一车牌语义
分割图；
[0018]将所述语义标签数据和所述第一车牌语义分割图进行损失计算后更新所述OASIS生成网络。
[0019]可选的，以所述第一车牌图像和所述真实车牌图像训练OASIS语义分割网络的方法包括：
[0020]所述训练数据集包括语义标签数据和车牌图像数据；
[0021]将所述语义标签数据输入冻结网络参数的OASIS生成网络，输出第二车牌图像；
[0022]将所述第二车牌图像输入OASIS语义分割网络，输出第二车牌语义分割图；
[0023]将所述车牌图像数据输入OASIS语义分割网络，输出第二车牌图像分割图；
[0024]分别计算所述车牌图像数据和所述第二车牌图像分割图，以及所述车牌图像数据和所述第二车牌图像分割图的损失函数，更新所述OASIS语义分割网络。
[0025]可选的，还包括迭代训练的方法：
[0026]获取真实车牌图像，构建与真实车牌图像对应的语义标签，得到训练数据集和验证数据集；
[0027]所述验证数据集包括验证车牌图像和验证车牌语义标签；
[0028]每经过预设迭代次数，执行验证数据集训练，对所述OASIS生成网络进行验证；
[0029]运算所述验证车牌语义标签，OASIS生成网络输出第三车牌图像；
[0030]对所述验证车牌图像和所述第三车牌图像执行FID运算，直至FID值稳定，完成OASIS模型训练。
[0031]可选的，获取模拟车牌语义图像，构建与所述模拟车牌语义图像对应的语义标签，得到生成车牌数据集，将所述生成车牌数据集输入所述OASIS生成网络，得到目标样本的过程还包括：
[0032]a获取模拟车牌语义图像，构建与所述模拟车牌语义图像对应的语义标签，得到N张语义图像；
[0033]b将N张语义图像归一化后输入训练好的OASIS生成网络，得到N张与所述语义图像一一对应的车牌图像；
[0034]执行a
‑
b步骤M次，得到M*N阵列的目标样本。
[0035]可选的，获取真实车牌图像，构建与真实车牌图像对应的语义标签的方法包括：
[0036]获取不同类型的原始车牌图像；
[0037]校正所述原始车牌图像，得到车牌图像；
[0038]根据颜色参数或灰度参数对所述车牌图像进行标注，构建与所述车牌图像对应的语义标签。
[0039]本专利技术还提供了一种车牌图像生成系统，包括：
[0040]样本采集单元，用于获取原始车牌数据，并对所述原始车牌数据进行预处理得到车牌图像数据；
[0041]语义运算单元，用于构建与所述车牌图像数据对应的语义标签，得到训练数据集；
[0042]第一训练单元，用于以所述训练数据集训练OASIS生成网络，得到第一固定参数；
[0043]第二训练单元，用于以所述第一车牌图像和真实车牌图像训练OASIS语义分割网络，得到第二固定参数；以所述第二固定参数下的OASIS生成网络为目标OASIS生成网络；
[0044]车牌生成单元，用于输入模拟车牌图像，构建与所述模拟车牌图像对应的语义标签，得到生成车牌数据集，将所述生成车牌数据集输入所述目标OASIS生成网络，得到目标样本。
[0045]还有一种车牌图像成器，包括：
[0046]车牌输入单元，用于输入模拟车牌图像；
[0047]运算单元，采用上述方法计算目标样本；
[0048]输出单元，用于输出目标样本。
[0049]车牌模拟器，用于输出模拟车牌图像。
[0050]本专利技术的有益效果：
[0051]根据本专利技术披露的技术方案能够根据不同的输入信息生成不同内容且分布近似真实车牌数据的模拟车牌图片，能够有效地扩充车牌标注样本，减少人工标注的成本。
[0052]其生成的目标样本相比传统模拟车牌样本更加真实；且可以生成任意类型与任意内容的车牌。
附图说明
[0053]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车牌图像生成方法，其特征在于，包括以下步骤：获取真实车牌图像，构建与真实车牌图像对应的语义标签，得到训练数据集；以所述训练数据集训练OASIS生成网络，得到第一固定参数；以所述第一固定参数下的OASIS生成网络输出第一车牌图像；以所述第一车牌图像和所述真实车牌图像训练OASIS语义分割网络，得到第二固定参数；以所述第二固定参数下的OASIS生成网络为目标OASIS生成网络；获取模拟车牌图像，构建与所述模拟车牌图像对应的语义标签，得到生成车牌数据集，将所述生成车牌数据集输入所述目标OASIS生成网络，得到目标样本。2.根据权利要求1所述的车牌图像生成方法，其特征在于，以所述训练数据集训练OASIS生成网络的方法包括：所述训练数据集包括语义标签数据和车牌图像数据；将所述语义标签数据输入OASIS生成网络，输出第一车牌图像；所述第一车牌图像输入冻结网络参数的OASIS语义分割网络，输出第一车牌语义分割图；将所述语义标签数据和所述第一车牌语义分割图进行损失计算后更新所述OASIS生成网络。3.根据权利要求1所述的车牌图像生成方法，其特征在于，以所述第一车牌图像和所述真实车牌图像训练OASIS语义分割网络的方法包括：所述训练数据集包括语义标签数据和车牌图像数据；将所述语义标签数据输入冻结网络参数的OASIS生成网络，输出第二车牌图像；将所述第二车牌图像输入OASIS语义分割网络，输出第二车牌语义分割图；将所述车牌图像数据输入OASIS语义分割网络，输出第二车牌图像分割图；分别计算所述车牌图像数据和所述第二车牌图像分割图，以及所述车牌图像数据和所述第二车牌图像分割图的损失函数，更新所述OASIS语义分割网络。4.根据权利要求1所述的车牌图像生成方法，其特征在于，还包括迭代训练的方法：获取真实车牌图像，构建与真实车牌图像对应的语义标签，得到训练数据集和验证数据集；所述验证数据集包括验证车牌图像和验证车牌语义标签；每经过预设迭代次数，执行验证数据集训练，对所述OASIS生成网络进行验证；运算所述验证车牌语义标签，OASIS生成网络输出第三车牌图像；对所述验证车牌图像和所述第三车牌图像执行FID运算，直至...
【专利技术属性】
技术研发人员：杨程光，蒋泽飞，陈帅斌，夏虹，
申请(专利权)人：杭州登虹科技有限公司，
类型：发明
国别省市：
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。