[发明专利]交通牌识别方法、装置、设备和计算机可读介质

说明书

本公开的实施例涉及交通牌识别方法、装置、设备和计算机可读介质。在一种方法中，获取具有交通牌的原始图像；通过机器学习模型，基于原始图像生成目标图像，机器学习模型是基于多对样本图像来训练的，其中每一对样本图像包括具有交通牌的原始样本图像和对原始样本图像进行修改之后的修改样本图像；以及至少基于目标图像来训练交通牌识别模型。

技术领域

本公开的实施例一般地涉及自动驾驶或辅助驾驶，并且更具体地涉及交通牌识别方法、装置、设备和计算机可读介质。

背景技术

交通牌识别是自动驾驶、辅助驾驶或无人车的核心功能之一，直接关系到乘客和行人安全。然而，目前的交通牌识别通常使用神经网络来完成。然而，数据集依赖开源数据集和人工采集，数据量极其有限。由于交通牌数据严重匮乏，训练样本少容易导致神经网络发生过拟合，这严重影响了交通牌识别的效果。

因此，需要提供一种至少部分解决上述技术问题的用于训练识别交通牌的模型的方案。

发明内容

根据本公开的实施例，提供了一种与交通牌识别模型相关的方案。

在本公开的第一方面，提供了一种用于训练交通牌识别模型的方法。该方法包括：获取具有交通牌的原始图像；通过机器学习模型，基于所述原始图像生成目标图像，所述机器学习模型是基于多对样本图像来训练的，其中所述多对样本图像中的每一对样本图像包括具有交通牌的原始样本图像和对所述原始样本图像进行修改之后的修改样本图像；以及至少基于所述目标图像来训练所述交通牌识别模型。

在本公开的第二方面，提供了一种用于识别交通牌的方法。该方法包括：获取待识别图像；以及通过交通牌识别模型来识别所述待识别图像，所述交通牌识别模型是通过根据第一方面所述的方法而训练的。

在本公开的第三方面，提供了一种用于训练交通牌识别模型的装置。该装置包括：获取模块，被配置为获取具有交通牌的原始图像；生成模块，被配置为通过机器学习模型，基于所述原始图像生成目标图像，所述机器学习模型是基于多对样本图像来训练的，其中所述多对样本图像中的每一对样本图像包括具有交通牌的原始样本图像和对所述原始样本图像进行修改之后的修改样本图像；以及训练模块，被配置为至少基于所述目标图像来训练所述交通牌识别模型。

在本公开的第四方面，提供了一种用于识别交通牌的装置。该装置包括：待识别图像获取模块，被配置为获取待识别图像；以及识别模块，被配置为通过交通牌识别模型来识别所述待识别图像，所述交通牌识别模型是通过根据第一方面所述的方法而训练的。

在本公开的第五方面，提供了一种电子设备。该电子设备包括：一个或多个处理器；以及存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现根据第一方面所述的方法。

在本公开的第六方面，提供了一种电子设备。该电子设备包括：一个或多个处理器；以及存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现根据第二方面所述的方法。

在本公开的第七方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据第一方面所述的方法。

在本公开的第八方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据第二方面所述的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了能够在其中实现本公开的实施例的示例性环境的示意图；