[发明专利]一种基于Faster-rcnn的水表自动检测方法

权利要求书

1.一种基于Faster-rcnn的水表自动检测方法，其特征在于，包括以下步骤：

(1)数据获取：拍摄适量多张水表读书照片，涵盖给定的不同种水表；

(2)数据处理：数据处理：对照片进行裁剪，处理成设定大小；

(3)label制作：通过人工用软件手动标定水表读数边框；

(4)训练网络：把准备好的训练数据及label输入到Faster-rcnn网络中训练；

(5)测试网络：输入测试数据到已训练网络中，最后得到水表检测结果和概率。

2.根据权利要求1所述的基于Faster-rcnn的水表自动检测方法，其特征在于，所述步骤(1)使用手机拍摄水表盘，使水表读数框尽量保持水平；所拍摄的水表应涵盖多种已知水表。

3.根据权利要求1所述的基于Faster-rcnn的水表自动检测方法，其特征在于，所述步骤(1)拍摄水表读书照片的张数为50000张。

4.根据权利要求1所述的基于Faster-rcnn的水表自动检测方法，其特征在于，所述步骤(2)对拍得的照片进行裁剪，裁剪后的图片大小为480*200，并使得水表读数得到完整保留。

5.根据权利要求1所述的基于Faster-rcnn的水表自动检测方法，其特征在于，所述步骤(3)包括以下步骤：

(3-1)使用标注软件，人工标定水表读数框；

(3-2)将边框的坐标以及宽高存于txt文件中，同时将水表的读数也记录

于文件中；

(3-3)将照片随机划分为训练集和测试集。

6.根据权利要求1所述的基于Faster-rcnn的水表自动检测方法，其特征在于，所述步骤(4)包括以下步骤：

(4-1)构建卷积神经网络；

(4-2)Faster-rcnn训练参数设定；

(4-3)在RPN网络中，每一个3*3滑动窗位置产生9个anchor，设置anchor的大小为：128²,256²,512²，宽高比为1:1,1:2和2:1；

(4-4)对边框的坐标进行参数化；

(4-5)权值初始化：共享卷积层的权值使用Imagenet分类任务训练模型进行初始化，其余新的层采用零均值高斯分布进行初始化；

(4-6)训练卷积神经网络：采用交替训练的方法来训练RPN网络和fast-rcnn网络；首先训练RPN网络，利用它产生的proposal来训练fast-rcnn网络；在fast-rcnn网络微调后，用该网络来初始化RPN，再训练RPN，按这种方式重复迭代该训练过程。

7.根据权利要求6所述的基于Faster-rcnn的水表自动检测方法，其特征在于，步骤(4-1)构建的神经网络为：Input(480x200)->conv1_1(3*3)->conv1_2(3*3)->pool1->conv2_1(3*3)->conv2_2(3*3)->pool2->->conv3_1(3*3)->conv3_2(3*3)->conv3_3(3*3)->pool3->conv4_1(3*3)->conv4_2(3*3)->conv4_3(3*3)->pool4->conv5_1(3*3)->conv5_2(3*3)->conv5_3(3*3)；在第五层卷积层后，分别接RPN网络和fast-rcnn网络：

conv5_3->conv(3*3)->conv(1*1)->rpn_loss_bbox/rpn_cls_loss

conv5_3->conv(3*3)->conv(1*1)->RoI->fc->loss_cls/loss_bbox。