[发明专利]一种船牌检测模型结构、建模方法及模型的训练方法

权利要求书

1.一种船牌检测模型结构，其特征在于，该结构包括有：

用于从输入的整体船舶图像样本数据中检测船牌，并提取船牌图像特征的船牌特征提取模块；

用于对图像特征作出检测与分类的船牌分类预测模块；

用于汇总综合分类和预测结果，并对综合结果作出处理并获得最终检测结果的船牌回归模块；

所述船牌特征提取模块、船牌分类预测模块和所述船牌回归模块顺次连接；所述船牌回归模块还与所述船牌特征提取模块连接。

2.如权利要求1所述的船牌检测模型结构，其特征在于，所述船牌特征提取模块包括有原卷积单元、自定义卷积单元和新增卷积单元；所述原卷积单元、所述自定义卷积单元和所述新增卷积单元顺次连接；同时所述原卷积单元、所述自定义卷积单元和所述新增卷积单元分别与所述船牌分类预测模块连接。

3.如权利要求2所述的船牌检测模型结构，其特征在于，所述原卷积单元包括有五个卷积block，即Con1～Con5，其中，所述Con4_3与所述船牌分类预测模块连接；

所述自定义卷积单元包括有两个卷积block，即Con6～Con7；其中，所述Con7与所述船牌分类预测模块连接；

所述新增卷积单元包括有四个卷积block，即Con8～Con11，其中，所述Con8_2、Con9_2、Con10_2与Con11_2与所述船牌分类预测模块连接。

4.一种基于权利要求1-3任一项所述的船牌检测模型结构的船牌检测模型的建模方法，其特征在于，该方法为：

S1：依照模型结构建立预训练模型，对该预训练模型设定初始化网络参数；

S2：向预训练模型中输入整体船舶图像样本数据；

S3：将船牌作为一个分类，将背景作为另一个分类，所述船牌特征提取模块对图像提取物体特征；

S4：向所述船牌分类预测模块输入船牌标注值数据；所述船牌分类预测模块对物体特征作出分类预测并计算分类损失；同时，所述船牌分类预测模块对物体特征作出位置回归并计算回归损失；

S5：所述船牌回归模块汇总得到总损失结果；

S6：将总损失结果求导，反向传播导数值至所述船牌特征提取模块，对所述船牌特征提取模块进行网络参数更新，所述船牌特征提取模块接受所述船牌回归模块修正后得到待定模型；

S7：重复S2-S7直至待定模型符合船牌检测要求，将符合要求的待定模型输出成为可用的船牌检测模型。

5.如权利要求4所述的船牌检测模型的建模方法，其特征在于，所述S4包括有：

S41A：向所述船牌分类预测模块输入船牌分类标注值数据；

S42A：所述船牌分类预测模块利用softmax函数对物体特征进行处理，得到预测物体属于船牌或背景的概率值；

S43A：对预测物体属于船牌或背景的概率值，所述船牌分类预测模块利用交叉熵损失函数，计算得到物体属于船牌或背景的概率值与输入的分类标注值数据之间的船牌分类损失，计算公式为：