CN112528701A - 二维码检测方法、装置、电子设备及介质 - Google Patents
二维码检测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112528701A CN112528701A CN202011473866.6A CN202011473866A CN112528701A CN 112528701 A CN112528701 A CN 112528701A CN 202011473866 A CN202011473866 A CN 202011473866A CN 112528701 A CN112528701 A CN 112528701A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- map
- loss value
- predicted
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Toxicology (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人工智能技术，揭露一种二维码检测方法，包括：对原始训练图像进行数据扩增和规则筛选，得到真实热度图、真实尺度图和真实中心偏移量图；利用二维码定位模型对数据扩增的原始训练图像进行二维码定位，生成预测热度图、预测尺度图和预测中心偏移量图；分别计算预测热度图、预测尺度图和预测中心偏移量图的损失值根据所述损失值对二维码定位模型调整更新，得到标准二维码定位模型，利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。本发明还涉及区块链技术，所述原始训练图像等可以存储在区块链节点中。本发明还揭露一种二维码检测装置、设备及介质。本发明可以解决二维码漏检和误检的问题。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种二维码检测方法、装置、电子设备及计算机可读存储介质。
背景技术
当前的生活中处处会用到二维码，例如，手机扫码支付，手机扫码关注公众号、手机扫码登录，添加好友、加入群聊等等。在使用手机进行二维码扫描时，当二维码距离手机镜头比较远时，需要先对远处场景的小目标二维码进行定位，然后手机镜头根据二维码的中心位置进行重新拉伸聚焦，起到自动放大的作用，使得手机能够进行下一步识别二维码的内容。
现有的二维码检测方法是基于二维码上的“回字”轮廓进行检测，通过查找二维码上三个“回字”轮廓，从而定位出二维码的位置，这种方法在二维码距离镜头较远时，无法准确识别“回字”轮廓，因此容易产生漏检和误检。
发明内容
本发明提供一种二维码检测方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决二维码容易漏检和误检的问题。
为实现上述目的，本发明提供的一种二维码检测方法，包括：
获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；
根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；
计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值；
当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
可选地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，包括：
将所述二维码训练图像中的二维码框映射在预设的二维坐标系上，得到所述二维码框的左上坐标点和右下坐标点，并根据所述左上坐标点和右下坐标点计算所述二维码框的中心位置坐标；
利用所述中心位置坐标和预设的高斯函数，生成所述二维码框的真实热度图。
可选地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
获取所述二维码训练图像中的二维码框在所述二维坐标系中的左上坐标点和右上坐标点；
根据预设的映射关系对所述左上坐标点和所述右上坐标点进行映射，得到所述二维码框的宽和高；
根据所述二维码框的宽和高，构建所述二维码框的真实尺度图。
可选地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
利用所述二维码框的中心位置坐标和预设的中心偏移量公式计算所述二维码框的中心偏移量；
将所述真实热度图中的中心位置映射到所述二维码训练图像中，并利用所述预设的中心偏移量对所述中心位置进行微调，得到所述二维码框的真实中心偏移量图。
可选地，所述计算所述真实热度图与所述预测热度图之间的第一损失值，包括：
利用如下第一损失函数计算所述第一损失值Lc：
其中，α和β是第一损失函数的超参数，Yx，y表示所述真实热度图上坐标(x，y)的灰度值，
表示所述预测热度图上坐标(x，y)的灰度值。
可选地，所述计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值，包括：
利用如下第三损失函数计算所述第三损失值Loff：
其中，x是真实偏移量与预测偏移量的差值，ok为真实中心偏移量图中的真实偏移量，
为预测中心偏移量图中的预测偏移量，N为真实中心偏移量图的样本数，k为偏移量图的中心值。
可选地，所述利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框，包括：
利用所述标准二维码定位模型计算所述待检测图像的标准热度图、标准尺度图和标准中心偏移量图；
从所述标准热度图中筛选出大于预设热度阈值的坐标点，得到热度坐标集；
根据所述热度坐标集，从所述标准中心偏移量图的对应位置获取偏移量坐标集，将所述热度坐标集和所述偏移量坐标集进行坐标相加，得到中心位置集；
根据所述中心位置集，在所述标准尺度图上进行指数换算，得到二维码框。
为了解决上述问题，本发明还提供一种二维码检测装置，所述装置包括：
数据处理模块，用于获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
数据预测模块，利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
模型训练模块，用于利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值，当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
二维码定位模块，用于利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的二维码检测方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的二维码检测方法。
本发明实施例通过对原始训练图像进行数据扩增处理，可以增大训练图像的数量，增加模型的鲁棒性，根据预设的二维码规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图，并利用构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，得到预测热度图、预测尺度图和预测中心偏移量图，根据所述真实热度图、真实尺度图和真实中心偏移量图以及所述预测热度图、预测尺度图和预测中心偏移量图可以实现对所述二维码定位模型的调整及更新，得到准确性更高的标准二维码定位模型，利用所述标准二维码定位模型可以实现对任何待检测图像进行二维码定位，输出二维码框。因此，本发明实施例提出的二维码检测方法、装置、电子设备及计算机可读存储介质不需要利用二维码上的“回字”轮廓进行检测，解决了传统二维码检测方法容易产生漏检和误检的问题，提高了二维码检测的效率。
附图说明
图1为本发明实施例提供的二维码检测方法的流程示意图；
图2为图1所示的二维码检测方法中其中一个步骤的流程示意图；
图3为本发明实施例提供的二维码检测装置的模块示意图；
图4为本发明实施例提供的实现二维码检测方法的电子设备的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种二维码检测方法，所述二维码检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述二维码检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明实施例提供的一种二维码检测方法的流程示意图。在本实施例中，所述二维码检测方法包括：
S1、获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像。
本发明实施例中，所述原始训练图像可以根据现有的二维码生成器直接生成。
其中，所述数据扩增包括随机裁剪、随机颜色抖动、随机亮度抖动、随机饱和度抖动、随机对比度抖动。其中，所述随机裁剪是利用现有的python技术从一张图像上随机裁剪出若干张图像；所述随机颜色抖动是对构成图像的色相产生位移，造成临近点状差异的色彩交叉效果；所述随机亮度抖动是在图像上造成明暗交叉的效果；所述随机饱和度抖动是产生饱和度差异状的交叉效果；所述随机对比度抖动是产生对比度差异状的交叉效果。
本发明实施例对所述原始训练图像进行数据扩增处理，可以扩大模型训练数据的数量，增加模型的鲁棒性。
S2、根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到真实热度图、真实尺度图和真实中心偏移量图。
本发明实施例中，所述热度图是指利用预设的高斯函数生成的多种热度颜色的图像，所述尺度图是指根据预设的映射关系对图像尺度处理得到的图像，以及所述的中心偏移量图是指利用中心偏移量对位置进行微调生成的图像。
本发明实施例中，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，包括：
将所述二维码训练图像中的二维码框映射在预设的二维坐标系上，得到所述二维码框的左上坐标点和右下坐标点，并根据所述左上坐标点和右下坐标点计算所述二维码框的中心位置坐标；
利用所述中心位置坐标和预设的高斯函数，生成所述二维码框的真实热度图。
详细地，本发明实施例中，所述二维码框的中心位置坐标为c＝[(x1+x2)/2，(y1+y2)/2]，其中，[x1，y1]为二维码框的左上坐标点，[x2，y2]为所述二维码框的右下坐标点。
进一步地，本发明实施例中，所述高斯函数如下：
其中，Gx，y为高斯函数值，cx为二维码框的中心位置的横坐标，cy为二维码框的中心位置的纵坐标，σ是高斯函数的标准差，exp为求指数运算，x1为二维码框的左上横坐标点，y1为二维码框的左上纵坐标点。
进一步地，所述真实热度图的高斯函数值Gx，y∈[0，1]w/R×H/R，其中W和H分别表示二维码训练图像的宽和高，R为预设参数。
本发明实施例根据得到的多个所述为高斯函数值生成所述真实热度图。
进一步地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
获取所述二维码训练图像中的二维码框在所述二维坐标系中的左上坐标点和右上坐标点；
根据预设的映射关系对所述左上坐标点和所述右下坐标点进行映射，得到所述二维码框的宽和高；
根据所述二维码框的宽和高，构建所述二维码框的真实尺度图。
详细地，所述映射关系如下：
其中，w表示二维码框的宽，h表示二维码框的高，R为预设参数，[x1，y1]为二维码框的左上坐标点，[x2，y2]为所述二维码框的右下坐标点
进一步地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
利用所述二维码框的中心位置坐标和预设的中心偏移量公式计算所述二维码框的中心偏移量；
将所述真实热度图中的中心位置映射到所述二维码训练图像中，并利用所述预设的中心偏移量对所述中心位置进行微调，得到所述二维码框的真实中心偏移量图。
其中，所述中心偏移量公式如下所示：
其中，ok为偏移量，xk、yk分别为二维码框的中心位置c的x、y坐标，n为预设参数。由于将所述真实热度图中的位置映射到所述二维码训练图像中时，会出现一些没有对齐的像素，从而影响二维码检测的精度，因此本发明实施例需要预测二维码的位置偏移量，在将中心位置映射到输入分辨率之前对其进行微调以生成真实中心偏移量图。
S3、利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图。
本发明实施例，所述预设的二维码定位模型可以采用MobileNetV2为主干网络，采用UNet的结构作为附属网络进行后续检测，采用自顶向下的横向连接架构，从单个尺度输入构造特征金字塔，所述特征金字塔的层次为{Pl}＝3，4，5，其中，l表示金字塔层次，Pl表示金字塔的第l层。
其中，利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，根据所述二维码定位模型中的特征金字塔的不同层次对所述二维码训练图像进行预测处理，所述特征金字塔的第3层预测生成所述预测热度图，所述特征金字塔的第4层预测生成所述预测尺度图，所述特征金字塔的第5层预测生成所述预测中心偏移量图。
S4、计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值。
具体地，本发明实施例利用如下第一损失函数计算所述第一损失值Lc：
其中，α和β是第一损失函数的超参数，Yx，y表示所述真实热度图上坐标(x，y)的灰度值，
表示所述预测热度图上坐标(x，y)的灰度值。
进一步地，本发明实施例利用如下第二损失函数计算所述第二损失值Lw：
其中，Lw为真实尺度图中宽度的损失值，Lh为真实尺度图中高度的损失值，wk为预设的真实宽度，
为预测宽度，hk为预设的真实高度，
为预测高度，N为样本总量，x是真实宽度与预测宽度的差值。
进一步地，本发明实施例利用如下第三损失函数计算所述第三损失值Loff：
其中，ok为真实中心偏移量图中的真实偏移量，
为预测中心偏移量图中的预测偏移量。
S5、利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值。
本发明实施例利用如下公式对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值：
L＝Lc+λoffLoff+λwLw+λhLh
其中，L为最终损失值，λoff，λw，λh分别取值为预设权重，可以取值为1，0.5，0.5。
S6、当所述最终损失值大于预设的阈值时，执行S7、对所述二维码定位模型进行调整更新，并返回上述的S3，直到所述最终损失值小于或者等于预设的阈值时，执行S8，输出标准二维码定位模型。
本发明实施例中，根据所述最终损失值和预设的阈值进行判断，当所述最终损失值大于预设的阈值时，对所述二维码定位模型的内部参数进行调整，返回至根据预设的二维码定位模型对所述二维码训练图像进行定位处理，生成二维码热度图、二维码尺度图和二维码中心偏移量图，重新计算所述最终损失值，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型。
优选地，内部参数可以是模型的权重、梯度。
S9、利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
本发明实施例中，参阅图2所示，所述利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框，包括：
S91、利用所述标准二维码定位模型计算所述待检测图像的标准热度图、标准尺度图和标准中心偏移量图；
S92、从所述标准热度图中筛选出大于预设热度阈值的坐标点，得到热度坐标集；
S93、根据所述热度坐标集，从所述标准中心偏移量图的对应位置获取偏移量坐标集，将所述热度坐标集和所述偏移量坐标集进行坐标相加，得到中心位置集；
S94、根据所述中心位置集，在所述标准尺度图上进行指数换算，得到二维码框。
详细地，本发明实施例中，预设热度阈值为0.3。
本发明实施例通过对原始训练图像进行数据扩增处理，可以增大训练图像的数量，增加模型的鲁棒性，根据预设的二维码规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图，并利用构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，得到预测热度图、预测尺度图和预测中心偏移量图，根据所述真实热度图、真实尺度图和真实中心偏移量图以及所述预测热度图、预测尺度图和预测中心偏移量图可以实现对所述二维码定位模型的调整及更新，得到准确性更高的标准二维码定位模型，利用所述标准二维码定位模型可以实现对任何待检测图像进行二维码定位，输出二维码框。因此，本发明实施例不需要利用二维码上的“回字”轮廓进行检测，解决了传统二维码检测方法容易产生漏检和误检的问题，提高了二维码检测的效率。
如图3所示，是本发明实施例提供的二维码检测装置的模块示意图。
本发明所述二维码检测装置100可以安装于电子设备中。根据实现的功能，所述二维码检测装置100可以包括数据处理模块101、数据预测模块102、模型训练模块103、二维码定位模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据处理模块101，用于获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
所述数据预测模块102，利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
所述模型训练模块103，用于利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值，当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
所述二维码定位模块104，用于利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
详细地，所述二维码检测装置100中的各模块由安装在电子设备中的处理器执行时，可以实现一种包括下述各步骤的二维码检测方法：
步骤一、所述数据处理模块101获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像。
本发明实施例中，所述原始训练图像可以根据现有的二维码生成器直接生成。
其中，所述数据扩增包括随机裁剪、随机颜色抖动、随机亮度抖动、随机饱和度抖动、随机对比度抖动。其中，所述随机裁剪是利用现有的python技术从一张图像上随机裁剪出若干张图像；所述随机颜色抖动是对构成图像的色相产生位移，造成临近点状差异的色彩交叉效果；所述随机亮度抖动是在图像上造成明暗交叉的效果；所述随机饱和度抖动是产生饱和度差异状的交叉效果；所述随机对比度抖动是产生对比度差异状的交叉效果。
本发明实施例对所述原始训练图像进行数据扩增处理，可以扩大模型训练数据的数量，增加模型的鲁棒性。
步骤二、所述数据处理模块101根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到真实热度图、真实尺度图和真实中心偏移量图。
本发明实施例中，所述热度图是指利用预设的高斯函数生成的多种热度颜色的图像，所述尺度图是指根据预设的映射关系对图像尺度处理得到的图像，以及所述的中心偏移量图是指利用中心偏移量对位置进行微调生成的图像。
本发明实施例中，所述数据预测模块102根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，包括：
将所述二维码训练图像中的二维码框映射在预设的二维坐标系上，得到所述二维码框的左上坐标点和右下坐标点，并根据所述左上坐标点和右下坐标点计算所述二维码框的中心位置坐标；
利用所述中心位置坐标和预设的高斯函数，生成所述二维码框的真实热度图。
详细地，本发明实施例中，所述二维码框的中心位置坐标为c＝[(x1+x2)/2，(y1+y2)/2]，其中，[x1，y1]为二维码框的左上坐标点，[x2，y2]为所述二维码框的右下坐标点。
进一步地，本发明实施例中，所述高斯函数如下：
其中，Gx，y为高斯函数值，cx为二维码框的中心位置的横坐标，cy为二维码框的中心位置的纵坐标，σ是高斯函数的标准差，exp为求指数运算，x1为二维码框的左上横坐标点，y1为二维码框的左上纵坐标点。
进一步地，所述真实热度图的高斯函数值Gx，y∈[0，1]W/R×H/R，其中W和H分别表示二维码训练图像的宽和高，R为预设参数。
本发明实施例根据得到的多个所述为高斯函数值生成所述真实热度图。
进一步地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
获取所述二维码训练图像中的二维码框在所述二维坐标系中的左上坐标点和右上坐标点；
根据预设的映射关系对所述左上坐标点和所述右下坐标点进行映射，得到所述二维码框的宽和高；
根据所述二维码框的宽和高，构建所述二维码框的真实尺度图。
详细地，所述映射关系如下：
其中，w表示二维码框的宽，h表示二维码框的高，R为预设参数，[x1，y1]为二维码框的左上坐标点，[x2，y2]为所述二维码框的右下坐标点
进一步地，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
利用所述二维码框的中心位置坐标和预设的中心偏移量公式计算所述二维码框的中心偏移量；
将所述真实热度图中的中心位置映射到所述二维码训练图像中，并利用所述预设的中心偏移量对所述中心位置进行微调，得到所述二维码框的真实中心偏移量图。
其中，所述中心偏移量公式如下所示：
其中，ok为偏移量，xk、yk分别为二维码框的中心位置c的x、y坐标，n为预设参数。由于将所述真实热度图中的位置映射到所述二维码训练图像中时，会出现一些没有对齐的像素，从而影响二维码检测的精度，因此本发明实施例需要预测二维码的位置偏移量，在将中心位置映射到输入分辨率之前对其进行微调以生成真实中心偏移量图。
步骤三、所述数据预测模块102利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图。
本发明实施例，所述预设的二维码定位模型可以采用MobileNetV2为主干网络，采用UNet的结构作为附属网络进行后续检测，采用自顶向下的横向连接架构，从单个尺度输入构造特征金字塔，所述特征金字塔的层次为{Pl}＝3，4，5，其中，l表示金字塔层次，Pl表示金字塔的第l层。
其中，利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，根据所述二维码定位模型中的特征金字塔的不同层次对所述二维码训练图像进行预测处理，所述特征金字塔的第3层预测生成所述预测热度图，所述特征金字塔的第4层预测生成所述预测尺度图，所述特征金字塔的第5层预测生成所述预测中心偏移量图。
步骤四、所述模型训练模块103计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值。
具体地，本发明实施例利用如下第一损失函数计算所述第一损失值Lc：
其中，α和β是第一损失函数的超参数，Yx，y表示所述真实热度图上坐标(x，y)的灰度值，
表示所述预测热度图上坐标(x，y)的灰度值。
进一步地，本发明实施例利用如下第二损失函数计算所述第二损失值Lw：
其中，Lw为真实尺度图中宽度的损失值，Lh为真实尺度图中高度的损失值，wk为预设的真实宽度，
为预测宽度，hk为预设的真实高度，
为预测高度，N为样本总量，x是真实宽度与预测宽度的差值。
进一步地，本发明实施例利用如下第三损失函数计算所述第三损失值Loff：
其中，ok为真实中心偏移量图中的真实偏移量，
为预测中心偏移量图中的预测偏移量。
步骤五、所述模型训练模块103利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值。
本发明实施例利用如下公式对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值：
L＝Lc+λoffLoff+λwLw+λhLh
其中，L为最终损失值，λoff，λw，λh分别取值为预设权重，可以取值为1，0.5，0.5。
步骤六、当所述最终损失值大于预设的阈值时，所述模型训练模块103执行步骤七、对所述二维码定位模型进行调整更新，并返回上述的步骤三，直到所述最终损失值小于或者等于预设的阈值时，执行步骤八，输出标准二维码定位模型。
本发明实施例中，所述模型训练模块103根据所述最终损失值和预设的阈值进行判断，当所述最终损失值大于预设的阈值时，对所述二维码定位模型的内部参数进行调整，返回至根据预设的二维码定位模型对所述二维码训练图像进行定位处理，生成二维码热度图、二维码尺度图和二维码中心偏移量图，重新计算所述最终损失值，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型。
优选地，内部参数可以是模型的权重、梯度。
步骤九、利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
本发明实施例中，参阅图2所示，所述利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框，包括：
利用所述标准二维码定位模型计算所述待检测图像的标准热度图、标准尺度图和标准中心偏移量图；
从所述标准热度图中筛选出大于预设热度阈值的坐标点，得到热度坐标集；
根据所述热度坐标集，从所述标准中心偏移量图的对应位置获取偏移量坐标集，将所述热度坐标集和所述偏移量坐标集进行坐标相加，得到中心位置集；
根据所述中心位置集，在所述标准尺度图上进行指数换算，得到二维码框。
详细地，本发明实施例中，预设热度阈值为0.3。
如图4所示，是本发明实现二维码检测方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如二维码检测程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如二维码检测程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行二维码检测程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的二维码检测程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；
根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；
计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值；
当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的，例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；
根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；
计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值；
当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种二维码检测方法，其特征在于，所述方法包括：
获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；
根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；
计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值；
当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
2.如权利要求1所述的二维码检测方法，其特征在于，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，包括：
将所述二维码训练图像中的二维码框映射在预设的二维坐标系上，得到所述二维码框的左上坐标点和右下坐标点，并根据所述左上坐标点和右下坐标点计算所述二维码框的中心位置坐标；
利用所述中心位置坐标和预设的高斯函数，生成所述二维码框的真实热度图。
3.如权利要求2所述的二维码检测方法，其特征在于，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
获取所述二维码训练图像中的二维码框在所述二维坐标系中的左上坐标点和右上坐标点；
根据预设的映射关系对所述左上坐标点和所述右上坐标点进行映射，得到所述二维码框的宽和高；
根据所述二维码框的宽和高，构建所述二维码框的真实尺度图。
4.如权利要求3所述的二维码检测方法，其特征在于，所述根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，还包括：
利用所述二维码框的中心位置坐标和预设的中心偏移量公式计算所述二维码框的中心偏移量；
将所述真实热度图中的中心位置映射到所述二维码训练图像中，并利用所述预设的中心偏移量对所述中心位置进行微调，得到所述二维码框的真实中心偏移量图。
5.如权利要求1所述的二维码检测方法，其特征在于，所述计算所述真实热度图与所述预测热度图之间的第一损失值，包括：
利用如下第一损失函数计算所述第一损失值Lc：
其中，α和β是第一损失函数的超参数，Yx,y表示所述真实热度图上坐标(x，y)的灰度值，
表示所述预测热度图上坐标(x，y)的灰度值。
6.如权利要求1所述的二维码检测方法，其特征在于，所述计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值，包括：
利用如下第三损失函数计算所述第三损失值Loff：
其中，x是真实偏移量与预测偏移量的差值，ok为真实中心偏移量图中的真实偏移量，
为预测中心偏移量图中的预测偏移量，N为真实中心偏移量图的样本数，k为偏移量图的中心值。
7.如权利要求1至6中任意一项所述的二维码检测方法，其特征在于，所述利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框，包括：
利用所述标准二维码定位模型计算所述待检测图像的标准热度图、标准尺度图和标准中心偏移量图；
从所述标准热度图中筛选出大于预设热度阈值的坐标点，得到热度坐标集；
根据所述热度坐标集，从所述标准中心偏移量图的对应位置获取偏移量坐标集，将所述热度坐标集和所述偏移量坐标集进行坐标相加，得到中心位置集；
根据所述中心位置集，在所述标准尺度图上进行指数换算，得到二维码框。
8.一种二维码检测装置，其特征在于，所述装置包括：
数据处理模块，用于获取原始训练图像，对所述原始训练图像进行数据扩增处理，得到二维码训练图像；根据预设的二维码框规则对所述二维码训练图像进行规则筛选处理，得到二维码的真实热度图、真实尺度图和真实中心偏移量图；
数据预测模块，利用预构建的二维码定位模型对所述二维码训练图像进行二维码定位处理，生成预测热度图、预测尺度图和预测中心偏移量图；计算所述真实热度图与所述预测热度图之间的第一损失值、计算所述真实尺度图与所述预测尺度图之间的第二损失值，以及计算所述真实中心偏移量图与所述预测中心偏移量图之间的第三损失值；
模型训练模块，用于利用预设的权重对所述第一损失值、第二损失值以及第三损失值进行串联处理，得到最终损失值，当所述最终损失值大于预设的阈值时，对所述二维码定位模型进行调整更新，直到所述最终损失值小于或者等于预设的阈值时，输出标准二维码定位模型；
二维码定位模块，用于利用所述标准二维码定位模型对待检测图像进行二维码定位，输出二维码框。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的二维码检测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的二维码检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011473866.6A CN112528701B (zh) | 2020-12-15 | 2020-12-15 | 二维码检测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011473866.6A CN112528701B (zh) | 2020-12-15 | 2020-12-15 | 二维码检测方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112528701A true CN112528701A (zh) | 2021-03-19 |
| CN112528701B CN112528701B (zh) | 2022-09-20 |
Family
ID=74999840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011473866.6A Active CN112528701B (zh) | 2020-12-15 | 2020-12-15 | 二维码检测方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112528701B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420761A (zh) * | 2021-06-23 | 2021-09-21 | 平安银行股份有限公司 | 证件定位方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9892301B1 (en) * | 2015-03-05 | 2018-02-13 | Digimarc Corporation | Localization of machine-readable indicia in digital capture systems |
| CN110909664A (zh) * | 2019-11-20 | 2020-03-24 | 北京奇艺世纪科技有限公司 | 一种人体关键点识别方法、装置及电子设备 |
| CN110969100A (zh) * | 2019-11-20 | 2020-04-07 | 北京奇艺世纪科技有限公司 | 一种人体关键点识别方法、装置及电子设备 |
| CN111126399A (zh) * | 2019-12-28 | 2020-05-08 | 苏州科达科技股份有限公司 | 一种图像检测方法、装置、设备及可读存储介质 |
| CN111160108A (zh) * | 2019-12-06 | 2020-05-15 | 华侨大学 | 一种无锚点的人脸检测方法及系统 |
| CN111310508A (zh) * | 2020-02-14 | 2020-06-19 | 北京化工大学 | 一种二维码识别方法 |
-
2020
- 2020-12-15 CN CN202011473866.6A patent/CN112528701B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9892301B1 (en) * | 2015-03-05 | 2018-02-13 | Digimarc Corporation | Localization of machine-readable indicia in digital capture systems |
| CN110909664A (zh) * | 2019-11-20 | 2020-03-24 | 北京奇艺世纪科技有限公司 | 一种人体关键点识别方法、装置及电子设备 |
| CN110969100A (zh) * | 2019-11-20 | 2020-04-07 | 北京奇艺世纪科技有限公司 | 一种人体关键点识别方法、装置及电子设备 |
| CN111160108A (zh) * | 2019-12-06 | 2020-05-15 | 华侨大学 | 一种无锚点的人脸检测方法及系统 |
| CN111126399A (zh) * | 2019-12-28 | 2020-05-08 | 苏州科达科技股份有限公司 | 一种图像检测方法、装置、设备及可读存储介质 |
| CN111310508A (zh) * | 2020-02-14 | 2020-06-19 | 北京化工大学 | 一种二维码识别方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420761A (zh) * | 2021-06-23 | 2021-09-21 | 平安银行股份有限公司 | 证件定位方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112528701B (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112465071A (zh) | 图像多标签分类方法、装置、电子设备及介质 | |
| CN108596908B (zh) | Led显示屏检测方法、装置及终端 | |
| CN115526924B (zh) | 一种蒙特卡洛模拟的水文环境建模方法及系统 | |
| CN113658292A (zh) | 气象数据色斑图生成方法、装置、设备及存储介质 | |
| CN112507923A (zh) | 证件翻拍检测方法、装置、电子设备及介质 | |
| CN112132216B (zh) | 车型识别方法、装置、电子设备及存储介质 | |
| CN112528701B (zh) | 二维码检测方法、装置、电子设备及介质 | |
| CN113298159A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN112200189A (zh) | 基于SPP-YOLOv3的车型识别方法、装置及计算机可读存储介质 | |
| CN113657385B (zh) | 一种电子计量装置的数据检测方法、装置及电子设备 | |
| CN113887439A (zh) | 基于图像识别的自动预警方法、装置、设备及存储介质 | |
| CN116883611B (zh) | 一种结合gis航道信息的航道淤泥分布主动探测识别方法 | |
| CN104778657B (zh) | 图像二维码融合方法及装置 | |
| CN112862703A (zh) | 基于移动拍照的图像校正方法、装置、电子设备及介质 | |
| CN115880448B (zh) | 基于双目成像的三维测量方法及装置 | |
| CN115972198A (zh) | 一种非完全信息条件下的机械臂视觉抓取方法与装置 | |
| CN113343882A (zh) | 人群计数方法、装置、电子设备及存储介质 | |
| CN107330905A (zh) | 一种图像处理方法、装置及存储介质 | |
| CN113869385A (zh) | 基于目标检测的海报比对方法、装置、设备及存储介质 | |
| CN114463685A (zh) | 行为识别方法、装置、电子设备及存储介质 | |
| CN113920269A (zh) | 工程进度获取方法、装置、电子设备及介质 | |
| CN113869269A (zh) | 活动现场拥挤度检测方法、装置、电子设备及存储介质 | |
| CN112233194A (zh) | 医学图片优化方法、装置、设备及计算机可读存储介质 | |
| CN113255456A (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
| CN113516083B (zh) | 一种草原区弃耕地植被的生态修复建模方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |