[发明专利]一种基于DPN与Faster RCNN的火车票图像生成方法

权利要求书

1.一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，该方法的实现过程包括：

S1.采集含有火车票的原始图像；

S2.标注出步骤S1所采集到原始图像中的火车票，并保存成xml文件作为标签使用；

S3.对步骤S1所获得的原始图像与步骤S2的标签进行数据增强，在图像增强的同时，其标签也需要做相应的变换，以准确标注出变换后图像中火车票的位置；

S4.在Keras深度学习框架的基础下，搭建Faster RCNN深度学习网络模型，将增强后的数据集随机分为训练集、验证集与测试集，将训练集输送给Faster RCNN网络，进行训练；

S5.依据模型在验证集与测试集上的表现情况，对Faster RCNN网络的参数、优化器的超参数以及训练批次、训练步长、训练轮次进行调优，获得Faster RCNN在测试集上的表现最优模型；

S6.利用DPN网络结构，训练一个用于数据增强的模型，推动DPN不断逼近真实火车票的情景，形成最佳的行动策略；

S7.使用已训练完毕的DPN网络生成火车票图像。

2.根据权利要求1所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S6中DPN网络是关于真实环境的模拟，具体操作内容如下：

以一张原始火车票作为“初始状态”，以各种图像变换方式作为“行为”；

在“初始状态”的情况下DPN做出某种“行为”，以获取“奖励”，该奖励是由Faster RCNN对做出“行为”后图像中火车票位置预测值与实际标签的差值来表示的；

重复该过程，鼓励DPN对各种各样的“行为”进行探索；

变换结果难以被Faster-RCNN识别的“行为”将获得较少的奖励，甚至负奖励，变换结果具有较高识别率的“行为”将获得正奖励。

3.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S6中构建DPN网络，以trial-and-error的方式，推动DPN不断逼近真实火车票的情景，形成最佳的行动策略，实现奖励的最大化。以前面几步所训练的Faster RCNN为评判标准，对DPN网络进行。

4.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S1中通过相机拍摄、网络爬虫爬取方式，获取含有火车票的原始图像。

5.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，步骤S1中含有火车票的原始图像不小于200*200像素大小，图像中的火车票允许有一定程度的模糊、弯折、缺损，但不能到人眼难以辨别的地步。

6.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S2中使用Github上的开源工具labelImg，将步骤S1所采集到原始图像中的火车票标注出来，并以xml文件的形式保存，作为标签使用。

7.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S3中数据增强的方式包括但不限于图像的缩放、旋转、平移、灰度化、二值化、噪声混入、背景填充。

8.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S3中利用OpenCV计算机视觉库，编写脚本，对原始图像进行数据增强。

9.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，步骤S4中训练集、验证集与测试集，三个数据集的比例为60％，20％，20％，步骤S4中数据集可用于训练基于CTPN、RNN的文字识别模型。

10.根据权利要求1或2所述的一种基于DPN与Faster RCNN的火车票图像生成方法，其特征在于，在步骤S4中将训练集以Mini-Batch的形式输送给Faster RCNN网络，进行训练。