[发明专利]目标区域确定模型的训练方法、装置和计算机可读存储介质

说明书

本公开一种目标区域确定模型的训练方法、装置、电子设备和计算机可读存储介质。其中方法包括：获取训练样本集合；其中，所述训练样本集合由多个标记了目标区域关键点的样本图像组成；将所述训练样本集合输入卷积神经网络进行训练直至满足收敛条件，得到目标区域确定模型；其中，所述目标区域确定模型用于预测所述目标区域上的多个关键点。本公开实施例通过训练得到目标区域确定模型，该目标区域确定模型用于预测所述目标区域上的多个关键点，使得根据该多个关键点形成目标区域，能够提高目标区域识别准确率。

技术领域

本公开涉及一种目标区域确定模型的训练技术领域，特别是涉及一种目标区域确定模型的训练方法、装置和计算机可读存储介质。

背景技术

拍摄的视频图像中很多都包含汽车，而包含汽车的图像中一般都会包括车牌，由于车牌涉及到隐私，因此需要对视频图像中的车牌进行处理或者使用其他图像来覆盖该车牌。而在对包含车牌的图像进行处理时，识别出图像中的车牌区域是关键。

现有技术中对于车牌区域的识别，一般是使用图像分割，基于卷积神经网络模型来识别，但是由于从卷积神经网络模型的低层到高层会导致图像信息的丢失，最终识别出来的车牌区域不精确，在边缘上会有比较多的抖动，导致识别率较低。

发明内容

本公开解决的技术问题是提供一种目标区域确定模型的训练方法，以至少部分地解决现有技术中目标区域识别效率低的技术问题。此外，还提供一种目标区域确定模型的训练装置、目标区域确定模型的训练硬件装置、计算机可读存储介质和目标区域确定模型的训练终端。

为了实现上述目的，根据本公开的一个方面，提供以下技术方案：

一种目标区域确定模型的训练方法，包括：

获取训练样本集合；其中，所述训练样本集合由多个标记了目标区域关键点的样本图像组成；

确定卷积神经网络的参数；

将所述训练样本集合输入所述卷积神经网络，得到每个样本图像的预测关键点；

根据每个样本图像的预测关键点和真实关键点确定预测误差；

若所述预测误差大于预设误差，则根据所述预设误差重新确定所述卷积神经网络的参数，继续重复训练过程，直至所述预测误差小于或等于所述预设误差，结束训练过程，得到所述目标区域确定模型。

进一步的，所述目标区域为车牌区域。

进一步的，所述关键点为所述车牌区域四个顶角对应的点。

为了实现上述目的，根据本公开的一个方面，提供以下技术方案：

一种目标区域确定方法，包括：

获取待识别图像；

将所述待识别图像输入采用上述任一项所述的目标区域确定模型的训练方法进行训练得到的目标区域确定模型；

通过所述目标区域确定模型预测得到多个关键点；

根据所述多个关键点确定目标区域。

进一步的，所述根据所述多个关键点确定目标区域，包括：

从所述多个关键点中筛选出预设个数关键点；

根据所述预设个数关键点确定所述目标区域。

进一步的，所述从所述多个关键点中筛选出预设个数关键点，包括：

通过目标区域识别模型对所述待识别图像进行识别，得到预测目标区域；

从所述多个关键点中筛选出位于所述预测目标区域内的预设个数关键点。

进一步的，所述根据所述多个关键点确定目标区域，包括：