[发明专利]一种车牌识别方法、装置及电子设备

权利要求书

1.一种车牌识别方法，其特征在于，包括：

将已训练的第一网络模型量化处理为第二网络模型；其中，所述第一网络模型中网络层的权值参数通过浮点数表示，所述第二网络模型中网络层的权值参数通过定点数表示，所述第二网络模型的每一网络层包括权值参数和量化比例系数，所述量化比例系数包括输入方向的量化比例系数、输出方向的量化比例系数和权值参数的量化比例系数，基于所述权值参数的量化比例系数对所述权值参数进行量化处理；其中，所述量化比例系数通过线性量化的方式或指数量化的方式计算获得；

将目标图像输入至所述第二网络模型，获得所述目标图像中车牌的字符识别结果和车牌类别信息；其中，所述第二网络模型基于每一网络层的权值参数、输入方向和输出方向的量化比例系数对所述目标图像进行处理；

依据所述字符识别结果和所述车牌类别信息识别所述车牌；

所述方法还包括：

基于所述第一网络模型的每一网络层的量化前的权值参数和量化后的权值参数，计算出alpha系数；

根据所述alpha系数对量化后的权值参数进行调整；

若所述第一网络模型通过线性量化的方式转换为定点数形式的第二网络模型，则所述第二网络模型的每一网络层的计算可以表示为：

若所述第一网络模型通过指数量化的方式转换为定点数形式的第二网络模型，则所述第二网络模型的每一网络层的计算可以表示为：

其中，I_q表示定点数形式的输入参数，I_beta表示输入方向的量化比例系数，W_q表示定点数形式的权值参数，W_beta表示权值参数的量化比例系数，O_q表示定点数形式的输出参数，O_beta表示输出方向的量化比例系数。

2.根据权利要求1所述的方法，其特征在于，所述量化比例系数通过线性量化的方式计算获得，所述将已训练的第一网络模型量化处理为第二网络模型，包括：

将参考图像输入至所述第一网络模型，以由所述第一网络模型对所述参考图像进行处理，获得每一网络层处理所述参考图像时输入参数的最大绝对值和最小绝对值、输出参数的最大绝对值和最小绝对值、权值参数的最大绝对值和最小绝对值；

依据所述输入参数的最大绝对值、最小绝对值和预设的第一量化位宽计算该网络层输入方向的量化比例系数；

依据所述输出参数的最大绝对值、最小绝对值和所述第一量化位宽计算该网络层输出方向的量化比例系数；

依据所述权值参数的最大绝对值、最小绝对值和预设的第二量化位宽计算该网络层的权值参数的量化比例系数，并基于所述权值参数的量化比例系数对所述权值参数进行量化处理。

3.根据权利要求1所述的方法，其特征在于，所述量化比例系数通过线性量化的方式计算获得，所述将已训练的第一网络模型量化处理为第二网络模型，包括：

将参考图像输入至所述第一网络模型，以由所述第一网络模型对所述参考图像进行处理，获得每一网络层处理所述参考图像时输入参数的最大绝对值、输出参数的最大绝对值、权值参数的最大绝对值；

依据所述输入参数的最大绝对值和预设的第一量化位宽计算该网络层输入方向的量化比例系数；

依据所述输出参数的最大绝对值和所述第一量化位宽计算该网络层输出方向的量化比例系数；

依据所述权值参数的最大绝对值和预设的第二量化位宽计算该网络层的权值参数的量化比例系数，并基于所述权值参数的量化比例系数对所述权值参数进行量化处理。