[发明专利]标识识别方法及其模型的训练方法、装置及电子系统

说明书

本发明提供了一种标识识别方法及其模型的训练方法、装置及电子系统，在获取包含有标识的待识别图片后，通过预设的特征提取网络，提取该待识别图片的多层级初始特征图，并对多层级初始特征图中的指定层级的初始特征图进行特征融合处理，从而得到融合特征图；再提取融合特征图的全局特征；最终根据融合特征图和全局特征，识别待识别图片中的标识。本发明考虑了待识别图片的深层、浅层等多层次的特征，并加入图片的全局信息进行标识识别，从而提高了标识识别的准确度。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种标识识别方法及其模型的训练方法、装置及电子系统。

背景技术

相关技术中，对车牌等标识的识别过程中可以首先对标识的各个字符进行分割，然后分别进行字符识别，从而实现整个标识的识别；或者采用端到端的标识识别方式，即将包括待识别标识的图像输入到训练好的标识识别模型中，由标识识别模型输出标识的识别结果。上述两种标识识别方式在实现过程中，大多采用特征提取网络最终输出的特征识别车牌等标识，由于使用的特征有限，导致标识识别的准确度较低。

发明内容

有鉴于此，本发明的目的在于提供一种标识识别方法及其模型的训练方法、装置及电子系统，以全面地提取待识别标识的多层次特征，进而提高标识识别的准确度。

第一方面，本发明实施例提供了一种标识识别方法，包括：获取包含有标识的待识别图片；通过预设的特征提取网络，提取待识别图片的多层级初始特征图；对多层级初始特征图中的指定层级的初始特征图进行特征融合处理，得到融合特征图；提取融合特征图的全局特征；根据融合特征图和全局特征，识别待识别图片中的标识。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述特征提取网络包括多层卷积层；通过预设的特征提取网络，提取待识别图片的多层级初始特征图的步骤，包括：将待识别图片输入至多层卷积层中，通过每层卷积层提取待识别图片的相应层级的初始特征图，得到待识别图片的多层级初始特征图。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述指定层级的初始特征图包括：多层卷积层中，从最后一级的卷积层开始的连续指定数量的卷积层输出的初始特征图；最后一级的卷积层用于：输出待识别图片的最高层级的初始特征图。

结合第一方面或第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，对多层级初始特征图中的指定层级的初始特征图进行特征融合处理，得到融合特征图的步骤，包括：对多层级初始特征图中的指定层级的初始特征图，进行级联融合处理，得到中间结果；对中间结果进行卷积计算，得到融合特征图。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述全局特征包括融合特征图中，每个通道下的子特征图的平均值。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，上述提取融合特征图的全局特征的步骤，包括：采用预设的平均池化层提取融合特征图中，每个通道下的子特征图的平均值。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，根据融合特征图和全局特征，识别待识别图片中的标识的步骤包括：针对每个通道，生成当前通道的虚拟特征图；其中，虚拟特征图中的特征值为：融合特征图中，当前通道下的子特征图的平均值；虚拟特征图的尺度与当前通道下的子特征图的尺度相同；将融合特征图中，当前通道的子特征图与当前通道的虚拟特征图中，相应位置上的特征值相加，得到当前通道的最终特征图；根据每个通道的最终特征图，识别待识别图片中的标识。