CN117373038A - 销控图标注方法、装置、设备及计算机可读存储介质 - Google Patents
销控图标注方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117373038A CN117373038A CN202311650454.9A CN202311650454A CN117373038A CN 117373038 A CN117373038 A CN 117373038A CN 202311650454 A CN202311650454 A CN 202311650454A CN 117373038 A CN117373038 A CN 117373038A
- Authority
- CN
- China
- Prior art keywords
- target
- parking space
- pin control
- target parking
- sales
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000010586 diagram Methods 0.000 claims abstract description 129
- 238000002372 labelling Methods 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000002347 injection Methods 0.000 claims description 39
- 239000007924 injection Substances 0.000 claims description 39
- 238000012550 audit Methods 0.000 claims description 30
- 238000007781 pre-processing Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001746 injection moulding Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining 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
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/945—User interactive design; Environments; Toolboxes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/147—Determination of region of interest
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种销控图标注方法、装置、设备及计算机可读存储介质，属于销控图标注领域。本发明通过获取目标销控图，并将目标销控图输入基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的销控图识别模型；基于销控图识别模型识别目标销控图中的目标车位，在目标车位上生成边界框，并输出显示目标车位的目标车位编号；基于边界框和目标车位编号，获取目标车位的目标销控信息，并将目标销控信息作为目标销控信息，对目标车位进行标注，其中，目标销控信息包括目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。本发明在保证标注准确性的同时，提高对销控图进行标注时的标注效率。
Description
技术领域
本发明涉及销控图标注领域，尤其涉及一种销控图标注方法、装置、设备及计算机可读存储介质。
背景技术
随着时代的发展，人们越来越重视效率，现代工业的生产效率也是在不断提高，相应地，地产领域对销控图标注的效率也产生了更高的需求。
地产领域的销控图多以人工标点的方式在销控图上进行标注，对销控图进行标注时需要标注的信息量比较大，标注操作繁琐，存在标注效率低的问题。
发明内容
本发明的主要目的在于提供一种销控图标注方法、装置、设备及计算机可读存储介质，旨在解决对销控图进行标注时标注效率低的技术问题。
为实现上述目的，本发明提供一种销控图标注方法，所述方法包括：
获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型；
基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号；
基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，其中，所述目标销控信息包括所述目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。
可选地，所述销控图识别模型包括第一销控图识别模型，所述方法还包括：
基于Yolov5目标检测算法和ShuffleNetV2轻量级网络，构建Yolov5-ShuffleNetV2模型；
获取销控图的基础识别训练对应的第一销控图数据，对所述第一销控图数据进行预处理，得到基础预处理数据，其中，所述预处理包括图像增强、去噪和尺寸调整；
基于所述基础预处理数据对所述Yolov5-ShuffleNetV2模型进行训练，得到第一销控图识别模型。
可选地，所述销控图识别模型还包括第二销控图识别模型，所述方法还包括
获取销控图的个性化训练对应的第二销控图数据，对所述第二销控图数据进行预处理，得到个性化预处理数据；
基于所述个性化预处理数据对所述第一销控图识别模型进行训练，得到第二销控图识别模型。
可选地，所述在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号的步骤之后，还包括：
对所述边界框和所述目标车位编号进行检测，并生成检测结果；
基于所述检测结果，生成用于提示对所述边界框和所述目标车位编号进行审核的审核提示信息，并输出显示所述审核提示信息。
可选地，所述对所述边界框和所述目标车位编号进行检测的步骤，包括：
检测所述边界框是否符合预设的边界框模板、检测所述边界框的数量是否与所述目标车位的数量一致、检测所述目标车位编号是否符合预设的编号格式，以及检测所述目标车位编号的数量是否与所述目标车位的数量一致。
可选地，所述输出显示所述审核提示信息的步骤之后，还包括：
检测是否存在基于所述审核提示信息的审核操作信息；
若存在所述审核操作信息，则检测所述审核操作信息是否为销控图校正操作信息；
若所述审核操作信息为销控图校正操作信息，则基于所述销控图校正操作信息对所述边界框和所述目标车位编号进行校正。
可选地，所述基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注的步骤，包括：
基于所述边界框确定信息标注位置，并在所述信息标注位置生成标注控件，其中，所述标注控件用于被触控后显示所述目标车位的目标销控信息；
基于所述目标车位编号，查询销控数据库中与所述目标车位编号匹配的销控信息，其中，所述销控信息包括销售状态、销售价格、车位类型、车位编号和车位位置，所述销控数据库中包括所述目标销控图中所有车位的销控信息；
将所述匹配的销控信息，确定为所述目标销控信息，并将所述目标销控信息设于所述标注控件上，以对所述目标车位进行标注。
此外，为实现上述目的，本发明还提供一种销控图标注装置，所述装置包括：
销控图识别模块，用于获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型；基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号；
销控图标注模块，用于基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，其中，所述目标销控信息包括所述目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。
此外，为实现上述目的，本发明还提供一种销控图标注设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的销控图标注程序，所述销控图标注程序配置为实现如上所述的销控图标注方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有销控图标注程序，所述销控图标注程序被处理器执行时实现如上所述的销控图标注方法的步骤。
本发明通过获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型，基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号，基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的销控图识别模型能够有效识别不同形状的车位销控图，从而提高标注结果的可靠性，同时具有较高的识别效率，使用该销控图识别模型迅速且精确地识别销控图中的目标车位，并在目标车位上生成边界框，输出显示目标车位编号，便于对目标车位进行标注时，根据边界框迅速确定标注位置，根据目标车位编号获取目标车位的销控信息确定目标销控信息，从而提高标注效率；通过基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，根据边界框确定标注位置，根据目标车位编号确定目标车位的目标销控信息，根据目标销控信息对目标车位进行标注，在保证标注准确性的同时，提高对销控图进行标注时的标注效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的销控图标注设备的结构示意图；
图2为本发明销控图标注方法第一实施例的流程示意图；
图3为本发明实施例训练第一销控图识别模型的流程示意图；
图4为本发明实施例训练第二销控图识别模型的流程示意图；
图5为本发明销控图标注方法第二实施例的流程示意图；
图6为本发明实施例方案涉及的销控图标注装置的模块示意图。
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。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的销控图标注设备的结构示意图。
如图1所示，该销控图标注设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对销控图标注设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及销控图标注程序。
在图1所示的销控图标注设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明销控图标注设备中的处理器1001、存储器1005可以设置在销控图标注设备中，所述销控图标注设备通过处理器1001调用存储器1005中存储的销控图标注程序，并执行本发明实施例提供的销控图标注方法。
本发明实施例提供了一种销控图标注方法，参照图2，图2为本发明销控图标注方法第一实施例的流程示意图。
本实施例中，所述销控图标注方法包括：
步骤S100：获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型；
在本实施例中，销控图识别模型是基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型，能够有效识别不同形状的车位销控图，同时具有较高的识别效率，处理大尺寸销控图时也能在保证识别准确性的同时具有不错的识别效率，目标销控图是用户提供的需要进行销控图标注的车位销控图。
步骤S200：基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号；
在本实施例中，销控图识别模型识别目标销控图中的目标车位。将目标销控图输入销控图识别模型后，销控图识别模型识别并区分目标销控图中不同形状的图形，同时识别目标销控图中的车位编号，结合车位编号对不同形状的图形作进一步的区分，确定目标车位对应的图形，并在目标车位对应的目标图形上生成边界框，实现保证识别准确性的同时，高效识别目标销控图中的目标车位，便于对目标车位进行标注，从而提高销控图标注效率。
步骤S300：基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，其中，所述目标销控信息包括所述目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。
在本实施例中，目标销控信息包括目标车位的销售状态、销售价格、车位类型、车位编号和车位位置，基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注的步骤，示例性地根据边界框确定信息标注位置，根据目标车位编号从数据库中获取目标车位的目标销控信息，并将目标销控信息标注在信息标注位置上，从而完成对目标车位的标注。
本实施例通过获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型，基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号，基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的销控图识别模型能够有效识别不同形状的车位销控图，从而提高标注结果的可靠性，同时具有较高的识别效率，使用该销控图识别模型迅速且精确地识别销控图中的目标车位，并在目标车位上生成边界框，输出显示目标车位编号，便于对目标车位进行标注时，根据边界框迅速确定标注位置，根据目标车位编号获取目标车位的销控信息确定目标销控信息，从而提高标注效率；通过基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，根据边界框确定标注位置，根据目标车位编号确定目标车位的目标销控信息，根据目标销控信息对目标车位进行标注，在保证标注准确性的同时，提高对销控图进行标注时的标注效率。
在一种可能的实施方式中，请参照图3，图3为本发明实施例训练第一销控图识别模型的流程示意图，所述销控图识别模型包括第一销控图识别模型，所述方法还包括：
步骤S400：基于Yolov5目标检测算法和ShuffleNetV2轻量级网络，构建Yolov5-ShuffleNetV2模型；
在本实施例中，销控图识别指对销控图中的目标车位进行识别，将Yolov5目标检测算法和ShuffleNetV2轻量级网络融合，得到的Yolov5-ShuffleNetV2模型，在保证模型检测精度基本不变的情况下，大大降低计算量FLOPS（floating-point operations persecond，即每秒浮点运算次数），提高网络推理速度，基于Yolov5-ShuffleNetV2模型训练出来的销控图识别模型在销控图识别时，具有较高的准确性和效率。
步骤S500：获取销控图的基础识别训练对应的第一销控图数据，对所述第一销控图数据进行预处理，得到基础预处理数据，其中，所述预处理包括图像增强、去噪和尺寸调整；
在本实施例中，第一销控图数据为大量标注好的具有不同销控图风格的销控图，用于销控图的基础识别训练，使训练出来的销控图识别模型能够准确和高效地对具有不同销控图风格的销控图进行销控图识别，预处理包括但不限于图像增强、去噪和尺寸调整，预处理得到的基础预处理数据更加适应Yolov5-ShuffleNetV2模型的神经网络结构，使用基础预处理数据对Yolov5-ShuffleNetV2模型进行训练，可以提高训练效率和训练质量，最终训练出来的销控图识别模型可以具有更好的鲁棒性，从而提高销控图识别时的准确性和效率。
步骤S600：基于所述基础预处理数据对所述Yolov5-ShuffleNetV2模型进行训练，得到第一销控图识别模型。
在本实施例中，第一销控图识别模型是基于Yolov5-ShuffleNetV2模型使用基础预处理数据训练出来的销控图识别模型，在对具有不同销控图风格的销控图进行销控图识别时，具有较高的泛用性、准确性和效率，本实施例将基础预处理数据输入Yolov5-ShuffleNetV2模型，通过迭代优化的方式，不断优化模型参数，直至使用该模型对具有不同销控图风格的销控图进行销控图识别时，效率和准确性满足预设要求，从而得到第一销控图识别模型。
本实施例通过对Yolov5-ShuffleNetV2模型进行销控图的基础识别训练，得到销控图识别时具有较高的泛用性、准确性和效率的第一销控图识别模型，从而提高对销控图进行标注时的准确性和效率。
在一种可能的实施方式中，请参照图4，图4为本发明实施例训练第二销控图识别模型的流程示意图，所述销控图识别模型还包括第二销控图识别模型，所述方法还包括：
步骤S700：获取销控图的个性化训练对应的第二销控图数据，对所述第二销控图数据进行预处理，得到个性化预处理数据；
在本实施例中，销控图识别指对销控图中的目标车位进行识别，第二销控图数据为若干标注好的具有目标销控图风格的销控图，用于销控图的个性化训练，使训练出来的销控图识别模型能够更准确和高效地对具有目标销控图风格的销控图进行销控图识别，预处理包括但不限于图像增强、去噪和尺寸调整，预处理得到的个性化预处理数据更加适应第一销控图识别模型的神经网络结构，使用个性化预处理数据对第一销控图识别模型进行训练，可以提高训练效率和训练质量，最终训练出来的销控图识别模型可以具有更高的专用性，从而提高对具有目标销控图风格的销控图进行销控图识别时的准确性和效率。
步骤S800：基于所述个性化预处理数据对所述第一销控图识别模型进行训练，得到第二销控图识别模型。
在本实施例中，第二销控图识别模型是基于第一销控图模型使用个性化预处理数据训练出来的销控图识别模型，能够对具有目标销控图风格的销控图进行更高效和准确的销控图识别，具有更高的专用性。本实施例将个性化预处理数据输入第一销控图识别模型，通过迭代优化的方式，不断优化模型参数，直至该模型对具有目标销控图风格的销控图进行识别时，识别效率和识别精度满足预设要求，从而得到第二销控图识别模型。
本实施例通过对第一销控图识别模型进行销控图的个性化训练，得到销控图识别时具有较高的专用性、准确性和效率的第二销控图识别模型，从而提高对具有目标销控图风格的销控图进行标注时的准确性和效率。
在一种可能的实施方式中，所述在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号的步骤之后，还包括：
步骤A100：对所述边界框和所述目标车位编号进行检测，并生成检测结果；
在本实施例中，对边界框和目标车位编号进行检测，具体地，包括检测边界框是否符合预设的边界框模板、检测边界框的数量是否与目标车位的数量一致、检测目标车位编号是否符合预设的编号格式，以及检测目标车位编号的数量是否与目标车位的数量一致。
步骤A200：基于所述检测结果，生成用于提示对所述边界框和所述目标车位编号进行审核的审核提示信息，并输出显示所述审核提示信息。
在本实施例中，根据检测结果生成的审核提示信息，用于提示用户对边界框和目标车位编号进行审核。示例性地，若检测结果中目标车位编号不符合预设的编号格式，则生成提示用户对目标车位编号进行校正的审核提示信息，若检测结果中边界框的数量与目标车位的数量不一致，则生成提示用户对边界框进行校正的审核提示信息，若检测结果中未检测到异常，则生成提示用户对边界框和目标车位编号进行确认的审核提示信息。
本实施例通过对边界框和目标车位编号进行检测，并生成检测结果，根据检测结果生成审核提示信息，并输出显示该审核提示信息，在检测到目标车位编号不符合预设的编号格式、边界框的数量与目标车位的数量不一致等异常时，生成对应的审核提示信息，提示用户对边界框或目标车位编号进行校正，在未检测到异常时，生成对应的审核提示信息，提示用户对边界框和目标车位编号进行确认，避免边界框和目标车位编号出现异常导致的错误标注，从而提高销控图标注的准确性。
在一种可能的实施方式中，所述基于所述检测结果，生成用于提示对所述边界框和所述目标车位编号进行审核的审核提示信息，并输出显示所述审核提示信息的步骤之后，还包括：
A300：检测是否存在基于所述审核提示信息的审核操作信息；
在本实施例中，审核操作信息分为销控图校正操作信息和审核确认信息，销控图校正操作信息用于对边界框和目标车位编号进行校正，审核确认信息用于对边界框和目标车位编号进行确认，示例性地，当审核提示信息为提示用户对边界框或目标车位编号进行校正时，用户根据审核提示信息输入销控图校正操作信息；当审核提示信息为提示用户对边界框和目标车位编号进行确认时，用户检查边界框和目标车位编号后，确认无误时输入审核确认信息，检查到错误时输入销控图校正操作信息。
A400：若存在所述审核操作信息，则检测所述审核操作信息是否为销控图校正操作信息；
A500：若所述审核操作信息为销控图校正操作信息，则基于所述销控图校正操作信息对所述边界框和所述目标车位编号进行校正。
在本实施例中，检测到所述审核操作信息为销控图校正操作信息后，根据销控图校正信息，对边界框和目标车位编号进行校正。示例性地，对边界框和目标车位编号进行校正可以为去除冗余边界框、去除冗余目标车位编号、调整边界框位置和修改目标车位编号，本实施例通过审核提示信息提示用户对边界框和目标车位编号进行审核，根据销控图校正操作信息对边界框和目标车位编号进行校正，减少因边界框和目标车位编号异常导致的错误标注，从而提高销控图标注的准确性。
在一种可能的实施方式中，请参照图5，图5为本发明销控图标注方法第二实施例的流程示意图。
本实施例中，所述基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注的步骤，包括：
S310：基于所述边界框确定信息标注位置，并在所述信息标注位置生成标注控件，其中，所述标注控件用于被触控后显示所述目标车位的目标销控信息；
在本实施例中，标注控件用于被触控后显示所述目标车位的目标销控信息，信息标注位置是标注控件生成的位置，通过边界框确定信息标注位置，在信息标注位置上生成标注控件，便于对目标车位进行标注，以及显示目标销控信息。
S320：基于所述目标车位编号，查询销控数据库中与所述目标车位编号匹配的销控信息，其中，所述销控信息包括销售状态、销售价格、车位类型、车位编号和车位位置，所述销控数据库中包括所述目标销控图中所有车位的销控信息；
在本实施例中，销控信息包括销售状态、销售价格、车位类型、车位编号和车位位置，销控数据库中包括所述目标销控图中所有车位的销控信息，从数据库中查询与目标车位编号匹配的销控信息，可快速且精准地查询到目标车位的目标销控信息，进而根据目标销控信息对目标车位进行标注，提高销控图标注时的效率和准确性。
S330：将所述匹配的销控信息，确定为所述目标销控信息，并将所述目标销控信息设于所述标注控件上，以对所述目标车位进行标注。
在本实施例中，将所述匹配的销控信息，确定为所述目标销控信息，并将目标销控信息设于标注控件上，从而完成对目标车位的标注，实现触控该标注控件后，生成一个显示窗口，并在该显示窗口上将目标车位的目标销控信息（即销售状态、销售价格、车位类型、车位编号和车位位置）动态显示出来，同时可根据目标销售信息中的销售状态改变目标车位的显示颜色，便于用户迅速了解目标车位的销售情况，提升用户体验。
本实施例通过边界框确定信息标注位置，在信息标注位置上生成标注控件，通过目标车位编号从销控数据库中查询目标车位的目标销控信息，并将目标销控信息设于标注控件上，实现对目标车位的标注，以及标注后，触控标注控件即可动态显示目标销控信息，并可根据销售状态改变目标车位的显示颜色，给用户带来良好用户体验的同时，提高了销控图标注的效率。
此外，本发明还提供一种销控图标注装置，请参照图6，图6为本发明实施例方案涉及的销控图标注装置的模块示意图，所述装置包括：
销控图识别模块10，用于获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型；基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号；
销控图标注模块20，用于基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，其中，所述目标销控信息包括所述目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。
在一实施例中，销控图识别模块10，还用于：
对所述边界框和所述目标车位编号进行检测，并生成检测结果；
基于所述检测结果，生成用于提示对所述边界框和所述目标车位编号进行审核的审核提示信息，并输出显示所述审核提示信息。
在一实施例中，销控图识别模块10，还用于：
检测所述边界框是否符合预设的边界框模板、检测所述边界框的数量是否与所述目标车位的数量一致、检测所述目标车位编号是否符合预设的编号格式，以及检测所述目标车位编号的数量是否与所述目标车位的数量一致。
在一实施例中，销控图识别模块10，还用于：
检测是否存在基于所述审核提示信息的审核操作信息；
若存在所述审核操作信息，则检测所述审核操作信息是否为销控图校正操作信息；
若所述审核操作信息为销控图校正操作信息，则基于所述销控图校正操作信息对所述边界框和所述目标车位编号进行校正。
在一实施例中，销控图标注模块20，还用于：
基于所述边界框确定信息标注位置，并在所述信息标注位置生成标注控件，其中，所述标注控件用于被触控后显示所述目标车位的目标销控信息；
基于所述目标车位编号，查询销控数据库中与所述目标车位编号匹配的销控信息，其中，所述销控信息包括销售状态、销售价格、车位类型、车位编号和车位位置，所述销控数据库中包括所述目标销控图中所有车位的销控信息；
将所述匹配的销控信息，确定为所述目标销控信息，并将所述目标销控信息设于所述标注控件上，以对所述目标车位进行标注。
本发明实施例提供的销控图标注装置，采用上述实施例中的销控图标注方法，能解决对销控图进行标注时标注效率低的技术问题。与现有技术相比，本发明实施例提供的销控图标注装置的有益效果与上述实施例提供的销控图标注方法的有益效果相同，且所述销控图标注装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
此外，本发明还提供一种销控图标注设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的销控图标注程序，所述销控图标注程序被所述处理器执行时实现如上述的销控图标注方法的步骤。
此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有销控图标注程序，所述销控图标注程序被处理器执行时实现如上述的销控图标注方法的步骤。
本发明计算机可读存储介质具体实施方式与上述销控图标注方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、 方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光 盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种销控图标注方法，其特征在于，所述销控图标注方法包括以下步骤：
获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型；
基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号；
基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，其中，所述目标销控信息包括所述目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。
2.如权利要求1所述的销控图标注方法，其特征在于，所述销控图识别模型包括第一销控图识别模型，所述方法还包括：
基于Yolov5目标检测算法和ShuffleNetV2轻量级网络，构建Yolov5-ShuffleNetV2模型；
获取销控图的基础识别训练对应的第一销控图数据，对所述第一销控图数据进行预处理，得到基础预处理数据，其中，所述预处理包括图像增强、去噪和尺寸调整；
基于所述基础预处理数据对所述Yolov5-ShuffleNetV2模型进行训练，得到第一销控图识别模型。
3.如权利要求2所述的销控图标注方法，其特征在于，所述销控图识别模型还包括第二销控图识别模型，所述方法还包括
获取销控图的个性化训练对应的第二销控图数据，对所述第二销控图数据进行预处理，得到个性化预处理数据；
基于所述个性化预处理数据对所述第一销控图识别模型进行训练，得到第二销控图识别模型。
4.如权利要求1所述的销控图标注方法，其特征在于，所述在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号的步骤之后，还包括：
对所述边界框和所述目标车位编号进行检测，并生成检测结果；
基于所述检测结果，生成用于提示对所述边界框和所述目标车位编号进行审核的审核提示信息，并输出显示所述审核提示信息。
5.如权利要求4所述的销控图标注方法，其特征在于，所述对所述边界框和所述目标车位编号进行检测的步骤，包括：
检测所述边界框是否符合预设的边界框模板、检测所述边界框的数量是否与所述目标车位的数量一致、检测所述目标车位编号是否符合预设的编号格式，以及检测所述目标车位编号的数量是否与所述目标车位的数量一致。
6.如权利要求5所述的销控图标注方法，其特征在于，所述输出显示所述审核提示信息的步骤之后，还包括：
检测是否存在基于所述审核提示信息的审核操作信息；
若存在所述审核操作信息，则检测所述审核操作信息是否为销控图校正操作信息；
若所述审核操作信息为销控图校正操作信息，则基于所述销控图校正操作信息对所述边界框和所述目标车位编号进行校正。
7.如权利要求1所述的销控图标注方法，其特征在于，所述基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注的步骤，包括：
基于所述边界框确定信息标注位置，并在所述信息标注位置生成标注控件，其中，所述标注控件用于被触控后显示所述目标车位的目标销控信息；
基于所述目标车位编号，查询销控数据库中与所述目标车位编号匹配的销控信息，其中，所述销控信息包括销售状态、销售价格、车位类型、车位编号和车位位置，所述销控数据库中包括所述目标销控图中所有车位的销控信息；
将所述匹配的销控信息，确定为所述目标销控信息，并将所述目标销控信息设于所述标注控件上，以对所述目标车位进行标注。
8.一种销控图标注装置，其特征在于，所述装置包括：
销控图识别模块，用于获取目标销控图，并将所述目标销控图输入销控图识别模型，其中，所述销控图识别模型为基于Yolov5目标检测算法和ShuffleNetV2轻量级网络构建的模型；基于所述销控图识别模型识别目标销控图中的目标车位，在所述目标车位上生成边界框，并输出显示所述目标车位的目标车位编号；
销控图标注模块，用于基于所述边界框和所述目标车位编号，确定所述目标车位的目标销控信息，并根据所述目标销控信息对所述目标车位进行标注，其中，所述目标销控信息包括所述目标车位的销售状态、销售价格、车位类型、车位编号和车位位置。
9.一种销控图标注设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的销控图标注程序，所述销控图标注程序配置为实现如权利要求1至7中任一项所述的销控图标注方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有销控图标注程序，所述销控图标注程序被处理器执行时实现如权利要求1至7任一项所述的销控图标注方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311650454.9A CN117373038A (zh) | 2023-12-05 | 2023-12-05 | 销控图标注方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311650454.9A CN117373038A (zh) | 2023-12-05 | 2023-12-05 | 销控图标注方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117373038A true CN117373038A (zh) | 2024-01-09 |
Family
ID=89391340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311650454.9A Pending CN117373038A (zh) | 2023-12-05 | 2023-12-05 | 销控图标注方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117373038A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112668564A (zh) * | 2021-03-16 | 2021-04-16 | 杭州萝卜智能技术有限公司 | 一种车位图智能识别系统 |
| CN115424243A (zh) * | 2022-08-31 | 2022-12-02 | 重庆长安汽车股份有限公司 | 基于yolov5-shufflenetv2的车位号码识别方法、设备和介质 |
| CN115527189A (zh) * | 2022-11-01 | 2022-12-27 | 杭州枕石智能科技有限公司 | 车位状态的检测方法、终端设备及计算机可读存储介质 |
| CN115880656A (zh) * | 2022-11-29 | 2023-03-31 | 重庆长安汽车股份有限公司 | 停车位识别方法、装置、车辆及存储介质 |
-
2023
- 2023-12-05 CN CN202311650454.9A patent/CN117373038A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112668564A (zh) * | 2021-03-16 | 2021-04-16 | 杭州萝卜智能技术有限公司 | 一种车位图智能识别系统 |
| CN115424243A (zh) * | 2022-08-31 | 2022-12-02 | 重庆长安汽车股份有限公司 | 基于yolov5-shufflenetv2的车位号码识别方法、设备和介质 |
| CN115527189A (zh) * | 2022-11-01 | 2022-12-27 | 杭州枕石智能科技有限公司 | 车位状态的检测方法、终端设备及计算机可读存储介质 |
| CN115880656A (zh) * | 2022-11-29 | 2023-03-31 | 重庆长安汽车股份有限公司 | 停车位识别方法、装置、车辆及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017408799B2 (en) | Method, device and server for recognizing characters for claim document, and storage medium | |
| CN107798299B (zh) | 票据信息识别方法、电子装置及可读存储介质 | |
| US7349576B2 (en) | Method, device and computer program for recognition of a handwritten character | |
| CN113139559B (zh) | 一种目标检测模型的训练方法、数据的标注方法和装置 | |
| US20200167568A1 (en) | Image processing method, device, and storage medium | |
| CN113705554A (zh) | 图像识别模型的训练方法、装置、设备及存储介质 | |
| JP2022512065A (ja) | 画像分類モデルの訓練方法、画像処理方法及び装置 | |
| CN112967272B (zh) | 基于改进U-net的焊接缺陷检测方法、装置及终端设备 | |
| CN114155244B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN111626177A (zh) | 一种pcb元件识别方法及装置 | |
| JP2015176267A (ja) | 画像処理装置、画像処理方法、画像処理プログラム | |
| CN113343740A (zh) | 表格检测方法、装置、设备和存储介质 | |
| CN113901768A (zh) | 一种标准文件生成方法、装置、设备及存储介质 | |
| CN111222368A (zh) | 一种识别文档段落的方法、装置及电子设备 | |
| CN112668341A (zh) | 文本正则化方法、装置、设备和可读存储介质 | |
| CN112070793A (zh) | 一种目标提取方法及装置 | |
| CN115223557A (zh) | 语音控制方法、装置、设备及存储介质 | |
| CN114782974A (zh) | 表格识别方法、系统、智能终端及计算机可读存储介质 | |
| CN114937270A (zh) | 古籍文字处理方法、装置及计算机可读存储介质 | |
| US20100114619A1 (en) | Customized transformation of free-form business concepts to semantically rich business models | |
| US20120281919A1 (en) | Method and system for text segmentation | |
| CN117373038A (zh) | 销控图标注方法、装置、设备及计算机可读存储介质 | |
| CN112966719A (zh) | 识别仪表盘读数的方法、装置及终端设备 | |
| EP4250256A1 (en) | Information processing apparatus, program, and method for processing information | |
| CN116776595A (zh) | 碳排放工艺流程构建方法、装置、设备及存储介质 |
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 |