[发明专利]一种坐标预测模型生成方法、装置及图形识别方法、装置

权利要求书

1.一种坐标预测模型生成方法，其特征在于，包括：

利用训练样本集迭代训练预先构建的深度卷积神经网络模型，生成用于预测图像中图形的顶点坐标的坐标预测模型；其中，所述训练样本集包括：多张包含待识别图形的样本图像以及每个所述待识别图形的实际顶点坐标。

2.根据权利要求1所述的方法，其特征在于，所述图形包括：四边形。

3.根据权利要求1或2所述的方法，其特征在于，所述利用训练样本集迭代训练预先构建的深度卷积神经网络模型，生成用于预测图像中图形的顶点坐标的坐标预测模型，包括：

将所述训练样本集作为所述深度卷积神经网络模型的输入，根据预先设定的损失函数，利用反向传播算法对所述深度卷积神经网络模型进行迭代训练、调整所述深度卷积神经网络模型的参数，直到损失函数的损失值收敛，得到所述坐标预测模型。

4.根据权利要求3所述的方法，其特征在于，所述损失函数包括：用于计算预测顶点坐标与实际顶点坐标之间绝对误差的第一损失函数。

5.根据权利要求3所述的方法，其特征在于，所述训练样本集还包括：用于表示来自每张所述样本图像的实际坐标构成的图形为所述待识别图形的标识信息；

所述损失函数包括：通过第一损失函数与第一权重因子，第二损失函数与第二权重因子进行加权运算得到的第三损失函数；其中，所述第一损失函数用于计算预测顶点坐标与实际顶点坐标之间的绝对误差，所述第二损失函数用于判断预测顶点坐标构成的图形是否是所述待识别图形，所述第一权重因子和所述第二权重因子的和为1。

6.根据权利要求5所述的方法，其特征在于，所述第一权重因子和所述第二权重因子均为0.5。

7.一种图形识别方法，其特征在于，包括：

获取包含目标图形的待处理图像；

将所述待处理图像输入至如权利要求1-6任一项所述的坐标预测模型生成方法生成的坐标预测模型，得到所述目标图形的预测顶点坐标，并基于所述预测顶点坐标识别所述目标图形。

8.根据权利要求7所述的方法，其特征在于，所述图像包括：静态图像和动态图像；

当所述图像为动态图像时，针对组成所述动态图像的每一帧静态图像，所述得到目标图形的预测顶点坐标之后，以及基于预测顶点坐标识别目标图形之前，还包括：

将获得的预测顶点坐标输入预先设置的滤波器，得到经过处理的预测顶点坐标。

9.根据权利要8所述的方法，其特征在于，所述滤波器的层数为两层。

10.一种坐标预测模型生成装置，其特征在于，包括：

第一处理模块，用于利用训练样本集迭代训练预先构建的深度卷积神经网络模型，生成用于预测图像中图形的顶点坐标的坐标预测模型；其中，所述训练样本集包括：多张包含待识别图形的样本图像以及每个所述待识别图形的实际顶点坐标。

11.一种图形识别装置，其特征在于，包括：

获取模块，用于获取包含目标图形的待处理图像；

第二处理模块，用于将所述待处理图像输入至如权利要求10所述的坐标预测模型生成装置生成的坐标预测模型，得到所述目标图形的预测顶点坐标，并基于所述预测顶点坐标识别所述目标图形。