二维码的识别方法和识别装置制造方法及图纸

本申请提供了一种二维码的识别方法和识别装置，在保证了识别精度的同时，还降低了识别模型训练的难度。该方法包括：将目标图像输入识别模型，获得该识别模型的输出结果，该输出结果包括分类结果和位置预测结果，分类结果用于指示上述目标图像中包括目标二维码，该位置预测结果用于指示上述目标二维码在目标图像中所处的位置；基于上述输出结果，获得该目标二维码对应的结果；其中，该识别模型是通过教师模型对学生网络进行知识蒸馏训练得到的。教师模型对学生网络进行知识蒸馏训练得到的。教师模型对学生网络进行知识蒸馏训练得到的。

【技术实现步骤摘要】
二维码的识别方法和识别装置


[0001]本申请涉及人工智能领域，尤其涉及一种二维码的识别方法和识别装置。

技术介绍

[0002]二维码(QR code)是一种使用黑白图案表示二进制数据的二维条码。与一维条码相比，二维码能够存储更多的信息，且具有快速的可读性。因此，二维码在各种生活场景中得到了广泛应用，例如可以基于卷积神经网络的识别模型在收付款、共享单车等常见场景进行二维码的识别。
[0003]但是，上述方法模型训练难度大，导致可能存在精度不高的问题。

技术实现思路

[0004]本申请提供了一种二维码的识别方法和识别装置，在保证了识别精度的同时，还降低了识别模型训练的难度。
[0005]第一方面，提供了一种二维码的识别方法，包括：将目标图像输入识别模型，获得该识别模型的输出结果，该输出结果包括分类结果和位置预测结果，上述分类结果用于指示上述目标图像中包括目标二维码，上述位置预测结果用于指示上述目标二维码在上述目标图像中所处的位置；基于上述输出结果，获得该目标二维码对应的结果；其中，上述识别模型是通过教师模型对学生网络进行知识蒸馏训练得到的。
[0006]在本申请中，可以通过识别模型的输出结果，即上述分类结果和位置预测结果，获悉上述目标图像中存在目标二维码，且该目标二维码在上述目标图像中所处的区域。其中，该识别模型是通过教师模型对学生网络进行知识蒸馏训练得到的。换句话说，本申请利用性能更好的教师模型的监督信息，来训练学生网络，使得学生网络可以学习到该教师模型的能力，以获得性能和精度较好的识别模型，即训练过程简单，且可以保证识别精度。
[0007]第二方面，提供了一种二维码的识别装置，上述二维码的识别装置包括：识别模块和处理模块。其中，该识别模块，用于将目标图像输入识别模型，获得该识别模型的输出结果，该输出结果包括分类结果和位置预测结果，上述分类结果用于指示该目标图像中包括目标二维码，该位置预测结果用于指示上述目标二维码在上述目标图像中所处的位置；该处理模块，用于基于上述输出结果，获得该目标二维码对应的结果；其中，所述识别模型是通过教师模型对学生网络进行知识蒸馏训练得到的。
[0008]第三方面，提供了另一种二维码的识别装置，置包括处理器，该处理器与存储器耦合，可用于执行存储器中的指令，以实现上述第一方面中任一种可能实现方式中的方法。可选地，该二维码的识别装置还包括存储器。可选地，该二维码的识别装置还包括通信接口，处理器与通信接口耦合。
[0009]第四方面，提供了一种处理器，包括：输入电路、输出电路和处理电路。处理电路用于通过输入电路接收信号，并通过输出电路发射信号，使得处理器执行上述第一方面中任一种可能实现方式中的方法。
[0010]在具体实现过程中，上述处理器可以为芯片，输入电路可以为输入管脚，输出电路可以为输出管脚，处理电路可以为晶体管、门电路、触发器和各种逻辑电路等。输入电路所接收的输入的信号可以是由例如但不限于接收器接收并输入的，输出电路所输出的信号可以是例如但不限于输出给发射器并由发射器发射的，且输入电路和输出电路可以是同一电路，该电路在不同的时刻分别用作输入电路和输出电路。本申请实施例对处理器及各种电路的具体实现方式不做限定。
[0011]第五方面，提供了一种处理装置，包括处理器和存储器。该处理器用于读取存储器中存储的指令，并可通过接收器接收信号，通过发射器发射信号，以执行上述第一方面中任一种可能实现方式中的方法。
[0012]可选地，处理器为一个或多个，存储器为一个或多个。
[0013]可选地，存储器可以与处理器集成在一起，或者存储器与处理器分离设置。
[0014]在具体实现过程中，存储器可以为非瞬时性(non
‑
transitory)存储器，例如只读存储器(read only memory，ROM)，其可以与处理器集成在同一块芯片上，也可以分别设置在不同的芯片上，本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。
[0015]应理解，相关的数据交互过程例如发送指示信息可以为从处理器输出指示信息的过程，接收能力信息可以为处理器接收输入能力信息的过程。具体地，处理输出的数据可以输出给发射器，处理器接收的输入数据可以来自接收器。其中，发射器和接收器可以统称为收发器。
[0016]上述第五方面中的处理装置可以是一个芯片，该处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于该处理器之外，独立存在。
[0017]第六方面，提供了一种计算机程序产品，上述计算机程序产品包括：计算机程序(也可以称为代码，或指令)，当计算机程序被运行时，使得计算机执行上述第一方面中任一种可能实现方式中的方法。
[0018]第七方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序(也可以称为代码，或指令)当其在计算机上运行时，使得计算机执行上述第一方面中任一种可能实现方式中的方法。
附图说明
[0019]图1是本申请实施例提供的二维码的识别方法的示意性流程图；
[0020]图2是本申请实施例提供的学习网络的结构示意性；
[0021]图3是本申请实施例提供的二维码的识别方法的第一具体示例的示意性流程图；
[0022]图4是本申请实施例提供的二维码的识别方法的第二具体示例的示意性流程图；
[0023]图5是本申请实施例提供的二维码的识别方法的第三具体示例的示意性流程图；
[0024]图6是本申请实施例提供的二维码的识别方法的第四具体示例的示意性流程图；
[0025]图7是本申请实施例提供的二维码的识别方法的第五具体示例的示意性流程图；
[0026]图8是本申请实施例提供的二维码的识别装置的一种示例的结构框图；
[0027]图9是本申请实施例提供的二维码的设备装置的又一种示例的结构示意图。
具体实施方式
[0028]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在根据本实施例的启示下做出的所有其他实施例，都属于本申请保护的范围。
[0029]二维码(QR code)是一种使用黑白图案表示二进制数据的二维条码。与一维条码相比，二维码能够存储更多的信息，且具有快速的可读性。因此，二维码在各种生活场景中得到了广泛应用，例如收付款和共享单车等常见场景。
[0030]目前可以利用目标的可辨识性特征进行识别，这种方法虽然简单易实现，但误检率较高。例如，在一些具有复杂背景的图片中，很容易将其他具有相似特征的物体误检为二维码。这种算法在实际应用场景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种二维码的识别方法，包括：将目标图像输入识别模型，获得所述识别模型的输出结果，所述输出结果包括分类结果和位置预测结果，所述分类结果用于指示所述目标图像中包括目标二维码，所述位置预测结果用于指示所述目标二维码在所述目标图像中所处的位置；基于所述输出结果，获得所述目标二维码对应的结果；其中，所述识别模型是通过教师模型对学生网络进行知识蒸馏训练得到的。2.根据权利要求1所述的方法，其特征在于，所述在所述将目标图像输入识别模型，获得所述识别模型的输出结果之前，所述方法还包括：构建获得所述学生网络，所述学生网络包括骨干网络、多级最大池化层、卷积层、分类器和回归器；通过所述教师模型对所述学生网络进行知识蒸馏训练获得所述识别模型。3.根据权利要求2所述的方法，其特征在于，所述教师模型包括已训练好的第一教师模型，所述第一教师模型的输入图像的尺寸大于学生网络输入图像的尺寸，所述通过所述教师模型对所述学生网络进行知识蒸馏训练获得所述识别模型，包括：将训练图像输入所述学生网络，获得所述学生网络的输出结果，所述输出结果包括分类结果和位置预测结果；基于所述学生网络的输出结果和所述第一教师模型的输出结果，计算获得目标蒸馏损失；在所述目标蒸馏损失满足条件的情况下，获得所述识别模型。4.根据权利要求3所述的方法，其特征在于，所述目标蒸馏损失还可以是基于所述学生网络的特征图和输出结果、以及所述第一教师模型的特征图和输出结果计算获得的。5.根据权利要求3所述的方法，其特征在于，所述教师模型还包括已训练好的第二教师模型，所述第二教师模型的输入图像的尺寸与所述学生网络的输入图像的尺寸相同，所述目标蒸馏损失是基于所述学生网络的输出结果、所述第一教师模型的输出结果和所述第二教师模型的输出结果计算获得的。6.根据权利要求5所述方法，其特征在于，所述基于所述学生网络的输出结果、所述第一教师模型的输出结果和所述第二教师模型的输出结果计算获得所述目标蒸馏损失，包括：基于所述学生网络的输出结果和所述第一教师模型的输出结果，计算获得第一蒸馏损失；基于所述学生网络的输出结果和所述第二教师模型的输出结果，计算获得第二蒸馏损失；基于所述第一蒸馏损失和所述第二蒸馏损失，获得所述目标蒸馏损失。7.根据权利要求3所述的方法，其特征在于，所述教师模型还包括已训练好的第二教师模型，所述第二教师模型的输入图像的尺寸与所述学生网络的输入图像的尺寸相同，所述目标蒸馏损失是基于所述学生网络的特征图和输出结果、所述第一教师模型的特征图和输出结果、以及所述第二教师模型的特征图和输出结果计算获得的。8.根据权利要求7所述的方法，其特征在于，所述基于所述学生网络的特征图和输出结果、所述第一教师模型的特征图和输出结果、以及所述第二教师模型的特征图和输出结果
计算获得所述目标蒸馏损...

【专利技术属性】
技术研发人员：屈瑾，刘松，
申请(专利权)人：哲库科技上海有限公司，
类型：发明
国别省市：