[发明专利]图形码检测方法、装置、移动终端、存储介质及产品

权利要求书

1.一种图形码检测方法，其特征在于，所述方法包括：

获取目标图像的特征图集合，所述特征图集合中包括至少一个第一特征图；

在所述第一特征图中确定池化窗口，所述池化窗口包括多个第一特征点，且所述池化窗口内的第一特征点用于进行池化处理；

对于所述池化窗口内的任一第一特征点，对所述第一特征点进行偏移，得到第二特征点；

对所述第二特征点进行双线性插值，得到所述第二特征点周围的多个第三特征点的特征值；

基于所述多个第三特征点的特征值确定所述第一特征点的池化特征值；

基于所述池化窗口内的多个第一特征点的池化特征值，确定所述目标图像的图形码检测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个第三特征点的特征值确定所述第一特征点的池化特征值，包括：

对于任一第三特征点，基于所述第三特征点的特征值，确定所述第三特征点的池化特征值；

确定所述多个第三特征点的池化特征值之和，得到所述第一特征点的池化特征值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第三特征点的特征值，确定所述第三特征点的池化特征值，包括：

基于所述第二特征点的坐标信息和所述第三特征点的坐标信息，确定所述第三特征点的池化率；

确定所述第三特征点的池化率与特征值的乘积，得到所述第三特征点的池化特征值。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第二特征点的坐标信息和所述第三特征点的坐标信息，确定所述第三特征点的池化率，包括：

基于所述第二特征点的坐标信息和所述第三特征点的坐标信息，分别确定横轴坐标对应的第一偏移量和纵轴坐标对应的第二偏移量；

基于所述第一偏移量和所述第二偏移量，分别确定横轴坐标对应的第一池化率和纵轴坐标对应的第二池化率；

确定所述第一池化率和所述第二池化率的乘积，得到所述第三特征点的池化率。

5.根据权利要求1所述的方法，其特征在于，所述获取目标图像的特征图集合，包括：

确定所述目标图像的多个第一特征图，将所述多个第一特征图组成所述特征图集合；

其中，不同第一特征图的尺寸不同。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

训练图形码检测网络，所述图形码检测网络包括骨干网络、可变池化层、卷积层、分类器和回归器；

其中，所述骨干网络用于获取所述目标图像的特征图集合；

所述可变池化层用于在所述特征图中确定池化窗口在所述特征图中确定池化窗口，对于所述池化窗口内的任一第一特征点，对所述第一特征点进行偏移，得到第二特征点，对所述第二特征点进行双线性插值，得到所述第二特征点周围的多个第三特征点的特征值，基于所述多个第三特征点的特征值确定所述第一特征点的池化特征值；

所述卷积层用于对所述池化窗口内的多个第一特征点的池化特征值进行卷积处理，得到卷积处理结果；

所述分类器用于基于所述卷积处理结果检测所述目标图像中是否包含图形码；

所述回归器用于在所述目标图像中包含图形码的情况下，基于所述卷积处理结果检测所述图形码在所述目标图像中的位置。

7.根据权利要求6所述的方法，其特征在于，所述训练图形码检测网络，包括：

获取图像集合，所述图像集合包括用于训练所述图形码检测网络的样本图像；

构建第一神经网络和第二神经网络，所述第一神经网络的量级小于所述第二神经网络的量级，且所述第二神经网络包括可变池化层；

基于所述图像集合训练所述第二神经网络直到所述第二神经网络收敛；

基于所述第二神经网络对所述第一神经网络进行知识蒸馏训练，得到所述图形码检测网络。