[發(fā)明專利]一種檢測(cè)集裝箱位置的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010545415.2
• 申請(qǐng)日: 2020-06-16
• 公開(kāi)（公告）號(hào): CN111709996A
• 公開(kāi)（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 陳建松;王曉東;張?zhí)炖?/a>;鞠豪明
• 申請(qǐng)（專利權(quán)）人: 北京主線科技有限公司
• 主分類號(hào): G06T7/73
• 分類號(hào): G06T7/73;G06K9/32;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 北京鼎佳達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11348
• 代理人: 侯菲菲;劉鐵生

1.一種檢測(cè)集裝箱位置的方法，其特征在于，包括：

獲取包含有集裝箱的圖像；

基于深度學(xué)習(xí)模型的歸一化層中的重要性參數(shù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行裁剪，所述重要性參數(shù)是所述深度學(xué)習(xí)模型的歸一化層中的通道特征參數(shù)經(jīng)過(guò)稀疏化訓(xùn)練得到的；

對(duì)裁剪后的深度學(xué)習(xí)模型進(jìn)行再訓(xùn)練；

將所述圖像輸入再訓(xùn)練后的深度學(xué)習(xí)模型得到所述集裝箱在所述圖像中的位置。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在基于深度學(xué)習(xí)模型的歸一化層中的重要性參數(shù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行裁剪之前，還包括：

在所述深度學(xué)習(xí)模型的每個(gè)網(wǎng)絡(luò)層中建立歸一化層。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在基于深度學(xué)習(xí)模型的歸一化層中的重要性參數(shù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行裁剪之前，還包括：

基于損失函數(shù)、懲罰項(xiàng)、損失函數(shù)與懲罰項(xiàng)之間的權(quán)重對(duì)所述深度學(xué)習(xí)模型的歸一化層中的通道特征參數(shù)進(jìn)行稀疏化訓(xùn)練，得到所述重要性參數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于深度學(xué)習(xí)模型的歸一化層中的重要性參數(shù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行裁剪，包括：

按照第一預(yù)設(shè)比例裁剪重要性參數(shù)中重要性低的參數(shù)對(duì)應(yīng)的所述深度學(xué)習(xí)模型中網(wǎng)絡(luò)層的參數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在按照第一預(yù)設(shè)比例裁剪重要性參數(shù)中重要性低的參數(shù)對(duì)應(yīng)的所述深度學(xué)習(xí)模型中的卷積層之前，還包括：

按照第二預(yù)設(shè)比例保留所述深度學(xué)習(xí)模型中每個(gè)網(wǎng)絡(luò)層的參數(shù)。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述按照第一預(yù)設(shè)比例裁剪重要性參數(shù)中重要性低的參數(shù)對(duì)應(yīng)的所述深度學(xué)習(xí)模型中的卷積層，包括：

按照第一子預(yù)設(shè)比例裁剪重要性參數(shù)中重要性低的參數(shù)對(duì)應(yīng)的所述深度學(xué)習(xí)模型中網(wǎng)絡(luò)層的參數(shù)，所述第一子預(yù)設(shè)比例小于所述第一預(yù)設(shè)比例；

若裁剪后的深度學(xué)習(xí)模型的網(wǎng)絡(luò)稀疏度滿足預(yù)設(shè)稀疏度，則執(zhí)行對(duì)裁剪后的深度學(xué)習(xí)模型進(jìn)行再訓(xùn)練；

若裁剪后的深度學(xué)習(xí)模型的網(wǎng)絡(luò)稀疏度不滿足預(yù)設(shè)稀疏度，則對(duì)裁剪后的深度學(xué)習(xí)模型進(jìn)行再訓(xùn)練后，繼續(xù)按照第一子預(yù)設(shè)比例裁剪重要性參數(shù)中重要性低的參數(shù)對(duì)應(yīng)的所述深度學(xué)習(xí)模型中網(wǎng)絡(luò)層的參數(shù)。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述圖像輸入再訓(xùn)練后的深度學(xué)習(xí)模型得到所述集裝箱在所述圖像中的位置，包括：

將所述圖像輸入再訓(xùn)練后的深度學(xué)習(xí)模型得到所述集裝箱的包絡(luò)框；

在所述圖像中，基于所述包絡(luò)框進(jìn)行區(qū)域膨脹，得到感興趣區(qū)域；

在所述感興趣區(qū)域中，確定所述集裝箱在所述圖像中的位置。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述在所述感興趣區(qū)域中，確定所述集裝箱在所述圖像中的位置，包括：

在所述感興趣區(qū)域中，確定所述集裝箱的各個(gè)可見(jiàn)表面；

根據(jù)所述各個(gè)可見(jiàn)表面確定所述各個(gè)可見(jiàn)表面之間的棱邊；

根據(jù)各個(gè)棱邊的長(zhǎng)度、各個(gè)棱邊之間的夾角以及所述集裝箱的標(biāo)準(zhǔn)化長(zhǎng)度，確定所述集裝箱在所述圖像中的位置。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)各個(gè)棱邊的長(zhǎng)度、各個(gè)棱邊之間的夾角確定以及所述集裝箱的標(biāo)準(zhǔn)化長(zhǎng)度，確定所述集裝箱在所述圖像中的位置，包括：

若所述集裝箱的可見(jiàn)表面為三面，則根據(jù)所述可見(jiàn)表面中前面和底面之間的棱邊長(zhǎng)度以及所述集裝箱的標(biāo)準(zhǔn)化長(zhǎng)度確定所述集裝箱與相應(yīng)車輛的距離，根據(jù)所述三面的交點(diǎn)對(duì)應(yīng)的三條棱邊之間的夾角確定所述集裝箱的方向；

若所述集裝箱的可見(jiàn)表面為兩面，則根據(jù)所述可見(jiàn)表面中前面和底面之間的棱邊長(zhǎng)度以及所述集裝箱的標(biāo)準(zhǔn)化長(zhǎng)度確定所述集裝箱與相應(yīng)車輛的距離，根據(jù)所述前面和所述底面之間的棱邊與所述底面中與其相鄰的兩條棱邊之間的夾角確定所述集裝箱的方向。

10.一種檢測(cè)集裝箱位置的裝置，其特征在于，包括：

接收模塊，用于獲取包含有集裝箱的圖像；

裁剪模塊，用于基于深度學(xué)習(xí)模型的歸一化層中的重要性參數(shù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行裁剪，所述重要性參數(shù)是所述深度學(xué)習(xí)模型的歸一化層中的通道特征參數(shù)經(jīng)過(guò)稀疏化訓(xùn)練得到的；

恢復(fù)模塊，用于對(duì)裁剪后的深度學(xué)習(xí)模型進(jìn)行再訓(xùn)練；

定位模塊，用于將所述圖像輸入再訓(xùn)練后的深度學(xué)習(xí)模型得到所述集裝箱在所述圖像中的位置。