CN115620271B - 图像处理、模型训练方法和装置 - Google Patents
图像处理、模型训练方法和装置 Download PDFInfo
- Publication number
- CN115620271B CN115620271B CN202211105020.6A CN202211105020A CN115620271B CN 115620271 B CN115620271 B CN 115620271B CN 202211105020 A CN202211105020 A CN 202211105020A CN 115620271 B CN115620271 B CN 115620271B
- Authority
- CN
- China
- Prior art keywords
- image
- training
- loss
- characters
- image processing
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理、模型训练方法和装置,涉及人工智能领域,尤其涉及基于人工智能的图像处理领域。实现方案为:获得目标图像,目标图像包括目标对象,目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;将目标图像输入至包括图像生成模型的图像处理模型,以获得图像生成模型的输出图像,图像处理模型是基于训练图像对训练而来的;以及获得输出图像的识别结果,以作为目标图像中的多个字符的识别结果。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及基于人工智能的图像处理技术领域,具体涉及一种图像处理方法、图像处理模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的图像处理技术,通过对图像处理,以识别该图像中所包括的待识别的对象。例如,通过对包含车牌的图像进行处理,识别图像中所包括的车牌中的字符,从而识别车牌。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、图像处理模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:获得目标图像,所述目标图像包括目标对象,所述目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;将所述目标图像输入至包括图像生成模型的图像处理模型,以获得所述图像生成模型的输出图像,所述图像处理模型是基于训练图像对训练而来的,所述训练图像对包括第一训练图像和第二训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于所述预设规则按顺序排列的多个字符,所述第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的;以及获得所述输出图像的识别结果,以作为所述目标图像中的多个字符的识别结果。
根据本公开的另一方面,提供了图像处理模型训练方法,所述图像处理模型包括图像生成模型,所述方法包括:获得第一训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于预设规则按顺序排列的多个字符;基于与所述预设规则对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像;将所述第一训练图像输入至所述图像处理模型,以获得所述图像生成模型输出的第一结果;基于所述第一结果和所述第二训练图像,获得第一损失;以及基于所述第一损失,调整所述图像处理模型的参数。
根据本公开的另一方面,提供了一种图像处理装置,包括:目标图像获取单元,被配置用于获得目标图像,所述目标图像包括目标对象,所述目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;图像输入单元,被配置用于将所述目标图像输入至包括图像生成模型的图像处理模型,以获得所述图像生成模型的输出图像,所述图像处理模型是基于训练图像对训练而来的,所述训练图像对包括第一训练图像和第二训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于所述预设规则按顺序排列的多个字符,所述第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的;以及结果获取单元,被配置用于获得所述输出图像的识别结果,以作为所述目标图像中的所述多个字符的识别结果。
根据本公开的另一方面,提供了一种图像处理模型的训练装置,所述图像处理模型包括图像生成模型,所述装置包括:第一训练图像获取单元,被配置用于获得第一训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于预设规则按顺序排列的多个字符;第二训练图像获取单元,被配置用于基于与所述预设规则对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像;图像输入单元,被配置用于将所述第一训练图像输入至所述图像处理模型,以获得所述图像生成模型输出的第一结果;第一损失获取单元,被配置用于基于所述第一结果和所述第二训练图像,获得第一损失;以及参数调整单元,被配置用于基于所述第一损失,调整所述图像处理模型的参数。
根据本公开的另一方面,提供了一种电子设备,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指令,所述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根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例,可以提升所获得的目标图像中的多个字符的识别结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像处理方法的流程图;
图3示出了根据本公开的实施例的图像处理模型训练方法的流程图;
图4示出了根据本公开的实施例的图像处理模型训练方法中基于与所述训练对象对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像的过程的流程图;
图5示出了根据本公开的实施例的图像处理模型训练方法中基于所述第一损失和所述第二损失,调整所述图像处理模型的参数的过程的流程图;
图6示出了根据本公开的实施例的图像处理模型训练方法的流程图;
图7示出了根据本公开的实施例的图像处理模型训练方法中的数据流转示意图;
图8示出了根据本公开的实施例的图像处理方法中的目标图像和相应的输出图像的示意图;
图9示出了根据本公开的实施例的图像处理装置的结构框图;
图10示出了根据本公开的实施例的图像处理模型的训练装置的结构框图;
图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收目标图像中的多个字符的识别结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
车牌识别系统(Vehicle License Plate Recognition,VLPR)是计算机视频图像识别技术在车辆牌照识别中的一种应用。汽车牌照号码是车辆的唯一“身份”标识,牌照自动识别技术可以在汽车不作任何改动的情况下实现汽车“身份”的自动登记及验证,这项技术已经应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。在城市高位视频智慧停车系统中,车牌识别是一项重要的技术手段,对车辆的身份(“ID”)进行准确识别和确认。
在相关技术中,对包含车牌的图像进行识别的方法,通过对图像进行分割、再通过特征提取和模板构造后进行字符识别,或者采用经训练的CNN或者RNN处理图像,以识别图像中的字符。车牌特征纯手工设计和构造,在对车牌图像进行分割、再通过特征提取和模板构造后进行字符识别的过程中,难以通过样本的学习而提升识别率。而在采用经训练的CNN或者RNN处理图像以识别图像中的字符的方法中,往往图像的成像质量较低的情况,例如图像中光照不均匀、由于车速过快、相机震动导致所拍摄的图像模糊、图像中的车牌上的字符被部分遮挡以及污染、图像分辨率过低等。上述情况,往往使得采用经训练的CNN或者RNN无法对图像进行准确识别,而无法获得准确的识别结果。
根据本公开的一方面,提供了一种图像处理方法,参看图2,根据本公开的而一些实施例的图像处理方法200包括:
步骤S210:获得目标图像,所述目标图像包括目标对象,所述目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;
步骤S220:将所述目标图像输入至包括图像生成模型的图像处理模型,以获得所述图像生成模型的输出图像,所述图像处理模型是基于训练图像对训练而来的,所述训练图像对包括第一训练图像和第二训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于所述预设规则按顺序排列的多个字符,所述第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的;以及
步骤S230:获得所述输出图像的识别结果,以作为所述目标图像中的多个字符的识别结果。
在对目标图像进行识别的过程中,首先将目标图像输入到包括图像生成模型的图像处理模型,以获得图像生成模型的输入图像,由于图像处理模型是基于训练图像对训练而来的,其中,该训练图像对包括第一训练图像和第二训练图像,第一训练图像包括包含所述预设字符集中的基于所述预设规则按顺序排列的多个字符训练对象,第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的。即,第二训练图像是包含第一训练图像的训练对象中的多个字符的、较第一训练图像的图像质量更高的图像,其更容易被识别和辨认的图像,基于该第一训练图像和第二训练图像训练图像处理模型的过程中第一训练图像作为图像生成模型的输入数据、第二训练图像作为监督数据,使得训练后的图像生成模型能够基于输入图像生成较输入图像的图像质量更高的图像,更容易被识别和辨认。
因此,根据本公开的图像处理方法中,图像生成模型的输出图像较目标图像具有更高的图像质量,更容易被识别和辨认,最终使得所获得的输出图像的识别结果准确,由于该输出图像的识别结果准确,将该输出图像的识别结果作为目标图像的多个字符的识别结果时,该目标图像的识别结果准确,从而提升了目标图像的识别结果的准确性。
尤其是当目标图像是成像质量较低的图像时,例如图像中光照不均匀、由于车速过快、相机震动导致所拍摄的图像模糊、图像中的车牌上的字符被部分遮挡以及污染、图像分辨率过低等,根据本公开的方法极大的提升了目标图像的识别结果的准确性。
在一些实施例中,目标图像可以是通过摄像装置拍摄目标对象获得的图形。其中,目标对象可以是任意对象,该对象包括预设字符集中的基于预设规则按顺序排列的多个字符。
在一些实施例中,目标对象可以是车牌或运动员号码布。其中,预设字符集是与目标对象相应的字符集。例如,目标对象为车牌时,预设字符集可以是包含数字0-9、字母A-Z、以及预设数量的中文字符的字符集。预设对象为运动员号码布时,预设字符集可以是包含数字0-9和预设数量的中文字符的字符集。
可以理解,目标对象往往是通过从预设字符集中获取多个字符后,基于预设规则对该多个字符进行组合而制作的,使得目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符。
在根据本公开的实施例中,预设规则与目标对象相应。不同的目标对象具有不同的预设规则。在根据本公开的实施例中,目标对象对应于多个类型中的第一类型,所述预设规则是与所述多个类型对应的多个排列规则中与所述第一类型对应的排列规则,所述预设模板图像是与所述多个排列规则对应的多个模板图像中与所述预设规则对应的模板图像。
例如,目标对象为车牌时,由于车牌对应有不同的类型,每一种类型的车牌具有相应的排列规则,并且具有相应的模板图像。
根据《行业标准2007》,目前的车牌类型包括:双层车牌和单层车牌。其中,双层车牌对应的模板图像中各个字符的位置和单层车牌对应的模板图像中的各个字符的位置不同。
在一些实施例中,基于预设模板图像和第一训练图像中的基于预设规则按顺序排列的多个字符生成第二训练图像的过程中,通过将第一训练图像中按顺序排列的多个字符嵌入到预设模板图像中的预设位置,从而获得第二训练图像。
在另一些实施例中,通过基于第一训练图像中按顺序排列的多个字符获得与该字符对应字符图像,该字符图像具有与预设模板尺寸相应的尺寸(例如,尺寸是预设模板图像的尺寸的1/8),并且将该多个字符对应的多个字符图形按顺序拼接,从而生成第二训练图像。
可以理解,根据本公开的实施例,基于预设模板图像和第一训练图像中的基于预设规则按顺序排列的多个字符生成的第二训练图像的过程中,还可以基于第一训练图像中训练对象的颜色,生成与该颜色一致的第二训练图像,使得生成的第二训练图像是标准制式车牌图像,基于该标准制式车牌图像可以获得标准车牌。
在一些实施例中,获得目标图像包括:获得第一图像;对第一图像进行目标检测,响应于该第一图像中具有目标对象,获得目标对象的包围框的四个角点;基于该个角点对高目标对象进行透视变换,以获得目标图像。
通过上述方法获得的目标图像为目标对象的正视图,使得后续基于目标图像识别目标对象中的各个字符的过程是基于目标对象的正视图进行的,进一步提升所获得的识别结果的准确性。
在一些实施例中,第一图像针对车辆拍摄的图像,其中,该车辆包括车牌。在另一些实施例中,第一图像针对运动员拍摄的图像,其中,该运动员身体上具有相应的运动员号码布。
在一些实施例中,图像处理模型还包括图像识别模型,所述将所述目标图像输入至包括图像生成模型的图像处理模型包括:
将所述输出图像输入至所述图像识别模型,以获得所述输出图像的识别结果,其中,在训练所述图像处理模型过程中,将所述第一训练图像输入至所述图像生成模型以获得第一输出,并且将所述第一输出输入至所述图像识别模型以获得第二输出,以及基于所述第一输出和所述第二训练图像之间的第一损失以及所述训练对象中的按所述预设规则排列的多个字符和所述第二输出之间的第二损失进行调整所述图像处理模型的参数。
当图像处理模型还包括图像识别模型时,在图像处理模型的训练过程中,同时基于图像生成模型的输出和图像识别模型的输出,调整图像处理模型的参数,使得图像处理模型的训练过程为多任务协同训练过程,实现多任务协同学习,提升模型训练效率和训练后模型的预测结果的准确性。
在根据本公开的实施例中,输出图像的识别结果指示目标图像中的目标对象所包含的各个字符以及各个字符的排列顺序。例如,输出结果可以是字符序列。
在一些实施例中,通过获得第一输出的图像特征和第二训练图像的图像特征,并基于第一输出的图像特征和第二训练图像的图像特征计算第一损失,使得经训练的图像生成模型基于输入的目标图像生成的输出图像和基于目标图像中的目标对象的按顺序排列的多个字符和预设模板图形生成的图像之间的图像特征是相似的。
在一些实施例中,第一损失为基于所述第一输出的多个像素和所述第二训练图像的多个像素计算的逐像素损失。
在图像生成模型的学习过程中,通过获得第一输出的多个像素和第二训练图像的多个像素之间的逐像素损失,使得经训练的图像生成模型基于输入的目标图像生成的输出图像和基于目标图像中的目标对象的按顺序排列的多个字符和预设模板图形生成的图像之间的是逐像素相似的,提升输出图像和标准制式图像之间的相似度,进一步提升基于输入图像进行识别后获得的识别结果的准确性。
在一些实施例中,所述第一损失和所述第二损失分别具有相应的加权系数,在调整所述图像处理模型的参数的过程中对所述第一损失和所述第二损失各自的加权系数进行调整。
由于不同任务的学习难度不同,在训练图像处理模型的过程中,通过调整第一损失和第二损失各自的加权系数,能够平衡多任务学习的各个任务,损失函数动态平衡,确保各个任务都能学好。
根据本公开的另一方面,还提供了一种图像处理模型训练方法。所述图像处理模型包括图像生成模型,参看图4,根据本公开的图像处理模型训练方法300包括:
步骤S310:获得第一训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于预设规则按顺序排列的多个字符;
步骤S320:基于与所述预设规则对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像;
步骤S330:将所述第一训练图像输入至所述图像处理模型,以获得所述图像生成模型输出的第一结果;
步骤S340:基于所述第一结果和所述第二训练图像,获得第一损失;以及
步骤S350:基于所述第一损失,调整所述图像处理模型的参数。
通过获得第一训练图像,并根据第一训练图像获得第二训练图像,第二训练图像是基于与预设规则对应的预设模板图像和该训练对象中的按顺序排列的多个字符生成的,即第二训练图像是较第一训练图像的图像质量更高、更容易被准确识别的图像,因此,使得基于第二训练图像和图像生成模型输出的第一结果获得的第一损失调整后的图像生成模型,基于输入图像所生成图像也具有更高的图像质量、更容易被准确识别,使得所生成的图像能够获得更加准确的识别结果,并且将该识别结果作为输入图像的识别结果较直接针对输入图像进行识别获得的识别结果更加准确。
尤其是当输入图像是成像质量较低的图像时,例如图像中光照不均匀、由于车速过快、相机震动导致所拍摄的图像模糊、图像中的车牌上的字符被部分遮挡以及污染、图像分辨率过低等,根据本公开的方法所获得的图像处理模型能够极大的提升输入图像的识别结果的准确性。
在一些实施例中,训练对象可以是车牌或运动员号码布。其中,预设字符集是与目标对象相应的字符集。例如,目标对象为车牌时,预设字符集可以是包含数字0-9、字母A-Z、以及预设数量的中文字符的字符集。预设对象为运动员号码布时,预设字符集可以是包含数字0-9和预设数量的中文字符的字符集。
可以理解,训练对象往往是通过从预设字符集中获取多个字符后,基于预设规则对该多个字符进行组合而制作的,使得目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符。
在根据本公开的实施例中,预设规则与训练对象相应。不同的训练对象具有不同的预设规则。在根据本公开的实施例中,训练对象对应于多个类型中的第一类型,所述预设规则是与所述多个类型对应的多个排列规则中与所述第一类型对应的排列规则,所述预设模板图像是与所述多个排列规则对应的多个模板图像中与所述预设规则对应的模板图像。
例如,目标对象为车牌时,由于车牌对应有不同的类型,每一种类型的车牌具有相应的排列规则,并且具有相应的模板图像。
根据《行业标准2007》,目前的车牌类型包括:双层车牌和单层车牌。其中,双层车牌对应的模板图像中各个字符的位置和单层车牌对应的模板图像中的各个字符的位置不同。
在一些实施例中,如图4所示,基于与所述训练对象对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像包括:
步骤S410:基于所述第一训练图像,获得所述训练对象在所述多个类型中对应的第一类型;
步骤S420:获得所述多个模板图像中与所述第一类型相应的第一模板图像;
步骤S430:将所述第一模板图像确定为所述预设模板图像;以及
步骤S440:基于所述预设模板图像和所述按顺序排列的多个字符,生成所述第二训练图像。
通过对第一训练图像处理,获得预设模板图像,实现对第二训练图像的自动生成。
例如,第一训练图像为包括车牌的图像,通过将第一训练图像输入到识别模型中,获得第一训练图像中车牌的类型,基于车牌的类型获得预设模板图像。
在一些实施例中,基于所述预设模板图像和所述按顺序排列的多个字符,生成所述第二训练图像的过程中,通过将第一训练图像中按顺序排列的多个字符嵌入到预设模板图像中的预设位置,从而获得第二训练图像。
在另一些实施例中,通过基于第一训练图像中按顺序排列的多个字符获得与该字符对应字符图像,该字符图像具有与预设模板尺寸相应的尺寸(例如,尺寸是预设模板图像的尺寸的1/8),并且将该多个字符对应的多个字符图形按顺序拼接,从而生成第二训练图像。
可以理解,根据本公开的实施例,训练对象的类型还可以包括颜色类型(例如,蓝色对应于民用车车牌,白色对应于警车、军车、应急车等车牌,绿色对应新能源车车牌),基于预设模板图像和第一训练图像中的基于预设规则按顺序排列的多个字符生成的第二训练图像的过程中,还可以基于第一训练图像中训练对象的颜色,生成与该颜色一致的第二训练图像,使得生成的第二训练图像是标准制式车牌图像,基于该标准制式车牌图像可以获得标准车牌。
在一些实施例中,通过获得第一结果的图像特征和第二训练图像的图像特征,并基于第一结果的图像特征和第二训练图像的图像特征计算第一损失,使得图像生成模型基于第一训练图像生成的图像和第二训练图像之间的图像特征是相似的。
在一些实施例中,第一损失为基于所述第一结果的多个像素和所述第二训练图像的多个像素计算的逐像素损失。
在图像生成模型的学习过程中,通过获得第一输出的多个像素和第二训练图像的多个像素之间的逐像素损失,使得图像生成模型基于第一训练图像生成的图像和第二训练图像之间的是逐像素相似的,提升生成的图像和第二训练图像之间的相似度,进一步提升基于经训练的图像生成模型的输出图像进行识别后获得的识别结果的准确性。
在一些实施例中,图像处理模型还包括图像识别模型,用于基于所述第一结果获得第二结果,所述第二结果指示所述多个字符和所述多个字符的排列顺序,并且其中,所述方法还包括:
基于所述第二结果和所述按顺序排列的多个字符,获得第二损失;并且其中,基于所述第一损失,调整所述图像处理模型的参数包括:
基于所述第一损失和所述第二损失,调整所述图像处理模型的参数。
当图像处理模型还包括图像识别模型时,在图像处理模型的训练过程中,同时基于图像生成模型输出的第一结果和图像识别模型输出的第二结果,调整图像处理模型的参数,使得图像处理模型的训练过程为多任务协同训练过程,实现多任务协同学习,提升模型训练效率和训练后模型处理结果的准确性。
在一些实施例中,分别基于第一损失和第二损失调整图像处理模型的参数。
在一些实施例中,如图5所示,基于所述第一损失和所述第二损失,调整所述图像处理模型的参数包括:
步骤S510:获得所述第一损失对应的第一加权系数和所述第二损失对应的第二加权系数;
步骤S520:基于所述第一加权系数和所述第一损失,获得第一加权损失,并且基于所述第二加权系数和所述第二损失,获得第二加权损失;以及
步骤S530:基于所述第一加权损失和所述第二加权损失,调整所述图像处理模型的参数。
由于不同任务的学习难度不同,通过获得第一损失和第二损失各自的加权系数,能够进一步平衡多任务学习的各个任务,确保各个任务都能学好。
在一些实施例中,第一加权系数和第二加权系数是人为设定的。
在一些实施例中,如图6所示,根据本公开的实施例的图像处理方法还包括:
步骤S610:基于所述第一加权损失和所述第二加权损失,更新所述第一加权系数和所述第二加权系数,以获得更新的第一加权系数和更新的第二加权系数;以及
步骤S620:将所述更新的第一加权系数确定为第一加权系数,并且将更新的第二加权系数确定为第二加权系数。
通过上述过程,实现第一加权系数和第二加权系数的自动损失平衡动态调节,进一步提升各个任务的学习效率和学习效果。
参看图7示出了根据本公开的一些实施例的图像处理模型的训练过程中的数据流转的示意图,其中,图像处理模型700包括图像生成模型710和图像识别模型720,其中,将第一训练图像701输入图像生成模型710,获得第一结果701A,同时将第一结果701A输入到图像识别模型720以获得第二结果701B,通过计算第一结果701A和第二训练图像702之间的第一损失703以及第二结果701B和第一训练图像701的ground truth(即真值标签,也即第一训练图像中的训练对象的按顺序排列的字符)之间的第二损失704,并且对第一损失703和第二损失704进行加权求和并反传,以调整图像处理模型的参数。
在根据本公开的一些实施例中,将根据本公开的图像处理模型训练方法训练后的图像处理模型应用到本公开的图像处理方法中,使得所获得的目标图像的识别结果准确。
参看图8,示出了根据本公开的一些实施例的图像处理方法中的目标图像、输出图像的对比示意图,其中,对应于同一车牌号码的两个车牌图像中位于上方的是目标图像、位于下方的是输出图像。从图8可以看出,根据本公开的图像处理方法中,输出图像的质量明显高于目标图像,更易于识别、分辨。
根据本公开的另一方面,还提供了一种图像处理装置,如图9所示,装置900包括:目标图像获取单元910,被配置用于获得目标图像,所述目标图像包括目标对象,所述目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;图像输入单元920,被配置用于将所述目标图像输入至包括图像生成模型的图像处理模型,以获得所述图像生成模型的输出图像,所述图像处理模型是基于训练图像对训练而来的,所述训练图像对包括第一训练图像和第二训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于所述预设规则按顺序排列的多个字符,所述第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的;以及结果获取单元930,被配置用于获得所述输出图像的识别结果,以作为所述目标图像中的所述多个字符的识别结果。
在一些实施例中,所述图像处理模型还包括图像识别模型,所述图像输入单元920包括:识别单元,被配置用于将所述输出图像输入至所述图像识别模型,以获得所述输出图像的识别结果,其中,在训练所述图像处理模型过程中,将所述第一训练图像输入至所述图像生成模型以获得第一输出,并且将所述第一输出输入至所述图像识别模型以获得第二输出,以及基于所述第一输出和所述第二训练图像之间的第一损失以及所述训练对象中的按所述预设规则排列的多个字符和所述第二输出之间的第二损失进行调整所述图像处理模型的参数。
在一些实施例中,所述第一损失为基于所述第一输出的多个像素和所述第二训练图像的多个像素计算的逐像素损失。
在一些实施例中,所述第一损失和所述第二损失分别具有相应的加权系数,在调整所述图像处理模型的参数的过程中对所述第一损失和所述第二损失各自的加权系数进行调整。
在一些实施例中,所述目标对象对应于多个类型中的第一类型,所述预设规则是与所述多个类型对应的多个排列规则中与所述第一类型对应的排列规则,所述预设模板图像是与所述多个排列规则对应的多个模板图像中与所述预设规则对应的模板图像。
在一些实施例中,所述目标对象包括车牌或运动员号码布。
根据本公开的另一方面,还提供了一种图像处理模型的训练装置,所述图像处理模型包括图像生成模型,如图10所示,装置1000包括:第一训练图像获取单元1010,被配置用于获得第一训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于预设规则按顺序排列的多个字符;第二训练图像获取单元1020,被配置用于基于与所述预设规则对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像;图像输入单元1030,被配置用于将所述第一训练图像输入至所述图像处理模型,以获得所述图像生成模型输出的第一结果;第一损失获取单元1040,被配置用于基于所述第一结果和所述第二训练图像,获得第一损失;以及参数调整单元1050,被配置用于基于所述第一损失,调整所述图像处理模型的参数。
在一些实施例中,所述图像处理模型还包括图像识别模型,用于基于所述第一结果获得第二结果,所述第二结果指示所述多个字符和所述多个字符的排列顺序,并且其中,所述装置1000还包括:第一损失获取单元,被配置用于基于所述第二结果和所述按顺序排列的多个字符,获得第二损失;并且其中,所述参数调整单元包括:参数调整子单元,被配置用于基于所述第一损失和所述第二损失,调整所述图像处理模型的参数。
在一些实施例中,所述参数调整子单元包括:加权系数获取单元,被配置用于获得所述第一损失对应的第一加权系数和所述第二损失对应的第二加权系数;加权单元,被配置用于基于所述第一加权系数和所述第一损失,获得第一加权损失,并且基于所述第二加权系数和所述第二损失,获得第二加权损失;以及第一调整单元,被配置用于基于所述第一加权损失和所述第二加权损失,调整所述图像处理模型的参数。
在一些实施例中,装置1000还包括:更新单元,被配置用于基于所述第一加权损失和所述第二加权损失,更新所述第一加权系数和所述第二加权系数,以获得更新的第一加权系数和更新的第二加权系数;以及第一确定单元,被配置用于将所述更新的第一加权系数确定为第一加权系数,并且将更新的第二加权系数确定为第二加权系数。
在一些实施例中,所述训练对象为与多个类型对应的多个对象中的任一对象,所述多个类型与多个排列规则对应并且所述多个排列规则与多个模板图像对应;其中,所述第二训练图像获取单元1020包括:分类单元,被配置用于基于所述第一训练图像,获得所述训练对象在所述多个类型中对应的第一类型;模板图像确定单元,被配置用于获得所述多个模板图像中与所述第一类型相应的第一模板图像;第二确定单元,被配置用于将所述第一模板图像确定为所述预设模板图像;以及获取子单元,被配置用于基于所述预设模板图像和所述按顺序排列的多个字符,生成所述第二训练图像。
在一些实施例中,所述训练对象包括下列各项中的车牌或运动员号码布。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图11,现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示,电子设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向电子设备1100输入信息的任何类型的设备,输入单元1106可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1107可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1108可以包括但不限于磁盘、光盘。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (22)
1.一种图像处理方法,包括:
获得目标图像,所述目标图像包括目标对象,所述目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;
将所述目标图像输入至包括图像生成模型的图像处理模型,以获得所述图像生成模型输出的包括所述目标对象中的按顺序排列的多个字符的输出图像,其中,所述图像处理模型是基于训练图像对训练而来的,所述训练图像对包括第一训练图像和第二训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于所述预设规则按顺序排列的多个字符,所述第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的;以及
获得所述输出图像的识别结果,以作为所述目标图像中的多个字符的识别结果;
其中,所述目标对象对应于多个类型中的第一类型,所述预设规则是与所述多个类型对应的多个排列规则中与所述第一类型对应的排列规则,所述预设模板图像是与所述多个排列规则对应的多个模板图像中与所述预设规则对应的模板图像。
2.根据权利要求1所述的方法,其中,所述图像处理模型还包括图像识别模型,所述将所述目标图像输入至包括图像生成模型的图像处理模型包括:
将所述输出图像输入至所述图像识别模型,以获得所述输出图像的识别结果,其中,在训练所述图像处理模型过程中,将所述第一训练图像输入至所述图像生成模型以获得第一输出,并且将所述第一输出输入至所述图像识别模型以获得第二输出,以及基于所述第一输出和所述第二训练图像之间的第一损失以及所述训练对象中的按所述预设规则排列的多个字符和所述第二输出之间的第二损失进行调整所述图像处理模型的参数。
3.根据权利要求2所述的方法,其中,所述第一损失为基于所述第一输出的多个像素和所述第二训练图像的多个像素计算的逐像素损失。
4.根据权利要求2所述的方法,其中,所述第一损失和所述第二损失分别具有相应的加权系数,在调整所述图像处理模型的参数的过程中对所述第一损失和所述第二损失各自的加权系数进行调整。
5.根据权利要求1-4中任一项所述的方法,其中,所述目标对象包括车牌或运动员号码布。
6.一种图像处理模型训练方法,所述图像处理模型包括图像生成模型,所述方法包括:
获得第一训练图像,所述第一训练图像包括训练对象,所述训练对象包括预设字符集中的基于预设规则按顺序排列的多个字符;
基于与所述预设规则对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像;
将所述第一训练图像输入至所述图像处理模型,以获得所述图像生成模型输出的第一结果;
基于所述第一结果和所述第二训练图像,获得第一损失;以及
基于所述第一损失,调整所述图像处理模型的参数;
其中,所述训练对象为与多个类型对应的多个对象中的任一对象,所述多个类型与多个排列规则对应并且所述多个排列规则与多个模板图像对应;其中,所述基于与所述训练对象对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像包括:
基于所述第一训练图像,获得所述训练对象在所述多个类型中对应的第一类型;
获得所述多个模板图像中与所述第一类型相应的第一模板图像;
将所述第一模板图像确定为所述预设模板图像;以及
基于所述预设模板图像和所述按顺序排列的多个字符,生成所述第二训练图像。
7.根据权利要求6所述的方法,其中,所述图像处理模型还包括图像识别模型,用于基于所述第一结果获得第二结果,所述第二结果指示所述多个字符和所述多个字符的排列顺序,并且其中,所述方法还包括:
基于所述第二结果和所述按顺序排列的多个字符,获得第二损失;并且其中,基于所述第一损失,调整所述图像处理模型的参数包括:
基于所述第一损失和所述第二损失,调整所述图像处理模型的参数。
8.根据权利要求7所述的方法,其中,所述基于所述第一损失和所述第二损失,调整所述图像处理模型的参数包括:
获得所述第一损失对应的第一加权系数和所述第二损失对应的第二加权系数;
基于所述第一加权系数和所述第一损失,获得第一加权损失,并且基于所述第二加权系数和所述第二损失,获得第二加权损失;以及
基于所述第一加权损失和所述第二加权损失,调整所述图像处理模型的参数。
9.根据权利要求8所述的方法,还包括:
基于所述第一加权损失和所述第二加权损失,更新所述第一加权系数和所述第二加权系数,以获得更新的第一加权系数和更新的第二加权系数;以及
将所述更新的第一加权系数确定为第一加权系数,并且将更新的第二加权系数确定为第二加权系数。
10.根据权利要求6所述的方法,其中,所述训练对象包括下列各项中的车牌或运动员号码布。
11.一种图像处理装置,包括:
目标图像获取单元,被配置用于获得目标图像,所述目标图像包括目标对象,所述目标对象包括预设字符集中的基于预设规则按顺序排列的多个字符;
图像输入单元,被配置用于将所述目标图像输入至包括图像生成模型的图像处理模型,以获得所述图像生成模型输出的包括所述目标对象中的按顺序排列的多个字符的输出图像,其中,所述图像处理模型是基于训练图像对训练而来的,所述训练图像对包括第一训练图像和第二训练图像,所述第一训练图像包括训练对象,所述训练对象包括所述预设字符集中的基于所述预设规则按顺序排列的多个字符,所述第二训练图像是基于与所述预设规则对应的预设模板图像和所述训练对象中的按顺序排列的多个字符生成的;以及
结果获取单元,被配置用于获得所述输出图像的识别结果,以作为所述目标图像中的所述多个字符的识别结果;
其中,所述目标对象对应于多个类型中的第一类型,所述预设规则是与所述多个类型对应的多个排列规则中与所述第一类型对应的排列规则,所述预设模板图像是与所述多个排列规则对应的多个模板图像中与所述预设规则对应的模板图像。
12.根据权利要求11所述的装置,其中,所述图像处理模型还包括图像识别模型,所述图像输入单元包括:
识别单元,被配置用于将所述输出图像输入至所述图像识别模型,以获得所述输出图像的识别结果,其中,在训练所述图像处理模型过程中,将所述第一训练图像输入至所述图像生成模型以获得第一输出,并且将所述第一输出输入至所述图像识别模型以获得第二输出,以及基于所述第一输出和所述第二训练图像之间的第一损失以及所述训练对象中的按所述预设规则排列的多个字符和所述第二输出之间的第二损失进行调整所述图像处理模型的参数。
13.根据权利要求12所述的装置,其中,所述第一损失为基于所述第一输出的多个像素和所述第二训练图像的多个像素计算的逐像素损失。
14.根据权利要求12所述的装置,其中,所述第一损失和所述第二损失分别具有相应的加权系数,在调整所述图像处理模型的参数的过程中对所述第一损失和所述第二损失各自的加权系数进行调整。
15.根据权利要求11-14中任一项所述的装置,其中,所述目标对象包括车牌或运动员号码布。
16.一种图像处理模型的训练装置,所述图像处理模型包括图像生成模型,所述装置包括:
第一训练图像获取单元,被配置用于获得第一训练图像,所述第一训练图像包括训练对象,所述训练对象包括预设字符集中的基于预设规则按顺序排列的多个字符;
第二训练图像获取单元,被配置用于基于与所述预设规则对应的预设模板图像和所述按顺序排列的多个字符,生成第二训练图像;
图像输入单元,被配置用于将所述第一训练图像输入至所述图像处理模型,以获得所述图像生成模型输出的第一结果;
第一损失获取单元,被配置用于基于所述第一结果和所述第二训练图像,获得第一损失;以及
参数调整单元,被配置用于基于所述第一损失,调整所述图像处理模型的参数;
其中,所述训练对象为与多个类型对应的多个对象中的任一对象,所述多个类型与多个排列规则对应并且所述多个排列规则与多个模板图像对应;其中,所述第二训练图像获取单元包括:
分类单元,被配置用于基于所述第一训练图像,获得所述训练对象在所述多个类型中对应的第一类型;
模板图像确定单元,被配置用于获得所述多个模板图像中与所述第一类型相应的第一模板图像;
第二确定单元,被配置用于将所述第一模板图像确定为所述预设模板图像;以及
获取子单元,被配置用于基于所述预设模板图像和所述按顺序排列的多个字符,生成所述第二训练图像。
17.根据权利要求16所述的装置,其中,所述图像处理模型还包括图像识别模型,用于基于所述第一结果获得第二结果,所述第二结果指示所述多个字符和所述多个字符的排列顺序,并且其中,所述装置还包括:
第一损失获取单元,被配置用于基于所述第二结果和所述按顺序排列的多个字符,获得第二损失;并且其中,所述参数调整单元包括:
参数调整子单元,被配置用于基于所述第一损失和所述第二损失,调整所述图像处理模型的参数。
18.根据权利要求17所述的装置,其中,所述参数调整子单元包括:
加权系数获取单元,被配置用于获得所述第一损失对应的第一加权系数和所述第二损失对应的第二加权系数;
加权单元,被配置用于基于所述第一加权系数和所述第一损失,获得第一加权损失,并且基于所述第二加权系数和所述第二损失,获得第二加权损失;以及
第一调整单元,被配置用于基于所述第一加权损失和所述第二加权损失,调整所述图像处理模型的参数。
19.根据权利要求18所述的装置,还包括:
更新单元,被配置用于基于所述第一加权损失和所述第二加权损失,更新所述第一加权系数和所述第二加权系数,以获得更新的第一加权系数和更新的第二加权系数;以及
第一确定单元,被配置用于将所述更新的第一加权系数确定为第一加权系数,并且将更新的第二加权系数确定为第二加权系数。
20.根据权利要求16所述的装置,其中,所述训练对象包括下列各项中的车牌或运动员号码布。
21.一种电子设备,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指令,所述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权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211105020.6A CN115620271B (zh) | 2022-09-09 | 2022-09-09 | 图像处理、模型训练方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211105020.6A CN115620271B (zh) | 2022-09-09 | 2022-09-09 | 图像处理、模型训练方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115620271A CN115620271A (zh) | 2023-01-17 |
CN115620271B true CN115620271B (zh) | 2023-08-04 |
Family
ID=84859658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211105020.6A Active CN115620271B (zh) | 2022-09-09 | 2022-09-09 | 图像处理、模型训练方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115620271B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578017A (zh) * | 2017-09-08 | 2018-01-12 | 百度在线网络技术(北京)有限公司 | 用于生成图像的方法和装置 |
CN111428671A (zh) * | 2020-03-31 | 2020-07-17 | 杭州博雅鸿图视频技术有限公司 | 人脸结构化信息识别方法、系统、装置及存储介质 |
CN112784751A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备以及介质 |
CN114821581A (zh) * | 2022-05-09 | 2022-07-29 | 北京百度网讯科技有限公司 | 图像识别方法和用于训练图像识别模型的方法 |
CN114998897A (zh) * | 2022-06-13 | 2022-09-02 | 北京百度网讯科技有限公司 | 生成样本图像的方法以及文字识别模型的训练方法 |
CN114998963A (zh) * | 2022-05-31 | 2022-09-02 | 北京百度网讯科技有限公司 | 图像检测方法和用于训练图像检测模型的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861975B (zh) * | 2021-02-10 | 2023-09-26 | 北京百度网讯科技有限公司 | 分类模型的生成方法、分类方法、装置、电子设备与介质 |
-
2022
- 2022-09-09 CN CN202211105020.6A patent/CN115620271B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578017A (zh) * | 2017-09-08 | 2018-01-12 | 百度在线网络技术(北京)有限公司 | 用于生成图像的方法和装置 |
CN111428671A (zh) * | 2020-03-31 | 2020-07-17 | 杭州博雅鸿图视频技术有限公司 | 人脸结构化信息识别方法、系统、装置及存储介质 |
CN112784751A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备以及介质 |
CN114821581A (zh) * | 2022-05-09 | 2022-07-29 | 北京百度网讯科技有限公司 | 图像识别方法和用于训练图像识别模型的方法 |
CN114998963A (zh) * | 2022-05-31 | 2022-09-02 | 北京百度网讯科技有限公司 | 图像检测方法和用于训练图像检测模型的方法 |
CN114998897A (zh) * | 2022-06-13 | 2022-09-02 | 北京百度网讯科技有限公司 | 生成样本图像的方法以及文字识别模型的训练方法 |
Non-Patent Citations (1)
Title |
---|
基于生成对抗网络的水下多目标识别;刘有用;《知网》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115620271A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
CN112749685B (zh) | 视频分类方法、设备和介质 | |
CN115082740B (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
CN112712498A (zh) | 移动终端执行的车辆定损方法、装置、移动终端、介质 | |
CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN115620271B (zh) | 图像处理、模型训练方法和装置 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN113139542B (zh) | 目标检测方法、装置、设备和计算机可读存储介质 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114071024A (zh) | 图像拍摄方法、神经网络训练方法、装置、设备和介质 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN115100431B (zh) | 目标检测方法、神经网络及其训练方法、设备和介质 | |
CN114842474B (zh) | 文字识别方法、装置、电子设备和介质 | |
CN114677691B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN115797455B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN114120420B (zh) | 图像检测方法和装置 |
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 |