[發(fā)明專利]水尺字符定位方法、裝置、計(jì)算設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010055194.0
• 申請日: 2020-01-17
• 公開（公告）號: CN111275039B
• 公開（公告）日: 2023-05-16
• 發(fā)明（設(shè)計(jì)）人: 楊耿;李欽
• 申請（專利權(quán)）人: 深圳信息職業(yè)技術(shù)學(xué)院
• 主分類號: G06V30/146
• 分類號: G06V30/146;G06V30/148;G06N3/0464;G06N3/08
• 代理公司: 深圳眾鼎專利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 張宏杰

1.一種水尺字符定位方法，其特征在于，所述水尺字符定位方法包括：

獲取針對同一船舶的具有時(shí)間屬性和空間位置屬性的多張待識別的水尺字符圖像；

根據(jù)所述時(shí)間屬性和所述空間位置屬性將多張所述待識別的水尺字符圖像生成圖像集合；

將所述圖像集合輸入到預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，所述卷積神經(jīng)網(wǎng)絡(luò)結(jié)合所述圖像集合中的所述水尺字符圖像的所述時(shí)間屬性和所述空間位置屬性獲得所述待識別的水尺字符圖像中的水尺字符位置；

對所述待識別的水尺字符圖像中的水尺字符進(jìn)行標(biāo)識處理；

其中，獲得所述預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)包括：

獲取針對同一船舶的具有時(shí)間屬性和空間位置屬性的多張樣本水尺字符圖像；

根據(jù)所述時(shí)間屬性和所述空間位置屬性將多張所述樣本水尺字符圖像生成樣本圖像集合；

將所述樣本圖像集合輸入到所述卷積神經(jīng)網(wǎng)絡(luò)，所述卷積神經(jīng)網(wǎng)絡(luò)結(jié)合所述樣本圖像集合中的所述樣本水尺字符圖像的所述時(shí)間屬性和所述空間位置屬性獲得所述樣本水尺字符圖像中的水尺字符位置；

通過損失函數(shù)對多張所述樣本水尺字符圖像的預(yù)測水尺字符位置定位結(jié)果進(jìn)行計(jì)算，得到所述卷積神經(jīng)網(wǎng)絡(luò)的質(zhì)量評估系數(shù)；

當(dāng)所述質(zhì)量評估系數(shù)未達(dá)到預(yù)設(shè)閾值時(shí)，調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)中各個特征的特征權(quán)重，重復(fù)將所述樣本圖像集合輸入到所述卷積神經(jīng)網(wǎng)絡(luò)以獲得預(yù)測的預(yù)測水尺字符位置，直至所述質(zhì)量評估系數(shù)達(dá)到所述預(yù)設(shè)閾值，以獲得所述預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；

其中，所述質(zhì)量評估系數(shù)根據(jù)下式(1)計(jì)算得到：

L(x,c,l,g)＝

1/N(L_conf(x,c)+a₁*L_loc1(x,l,g)+a₂*L_loc2(x,l,g)+…+a_n*L_locn(x,l,g))(1)其中，其中N代表與實(shí)際字符框相匹配的先驗(yàn)字符框個數(shù)，x代表匹配指示矩陣，c代表置信度，l代表預(yù)測字符框，g代表實(shí)際字符框，L_locn代表第n個預(yù)測字符框的位置損失，L_conf代表Softmax邏輯回歸損失，a_n代表第n個預(yù)測字符框位置損失的權(quán)重，a₁代表第1個預(yù)測字符框位置損失的權(quán)重，a₂代表第2個預(yù)測字符框位置損失的權(quán)重。

2.根據(jù)權(quán)利要求1所述的水尺字符定位方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)結(jié)合所述圖像集合中的所述水尺字符圖像的所述時(shí)間屬性和所述空間位置屬性獲得所述水尺字符圖像中的水尺字符位置包括：

所述預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中的第一層卷積層、第二層卷積層和第三層卷積層分別提取處于同一時(shí)間點(diǎn)的不同空間位置的所述水尺字符圖像的第一特征；

所述預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中的第四層卷積層和第五層卷積層對所述第一特征進(jìn)行抽取和融合，獲得第二特征；

所述預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中的全連接層根據(jù)所述第二特征分別對多張所述水尺字符圖像中的水尺字符進(jìn)行定位，得到水尺字符位置。

3.根據(jù)權(quán)利要求2所述的水尺字符定位方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)中設(shè)置有多個第一層卷積層，將多個所述第一層卷積層分別與處于同一時(shí)間點(diǎn)的不同空間位置的多張所述水尺字符圖像一一對應(yīng)，所述第一層卷積層對與所述第一層卷積層對應(yīng)的所述水尺字符圖像的特征進(jìn)行提取。

4.根據(jù)權(quán)利要求1所述的水尺字符定位方法，其特征在于，通過加速梯度下降算法對所述卷積神經(jīng)網(wǎng)絡(luò)中各個特征的特征權(quán)重進(jìn)行調(diào)整。

5.根據(jù)權(quán)利要求1所述的水尺字符定位方法，其特征在于，所述樣本水尺字符圖像包括不同方位攝制的水尺字符圖像、不同時(shí)間點(diǎn)設(shè)置的水尺字符圖像、有水體倒影的水尺字符圖像、無水體倒影的水尺字符圖像中的至少一種。