-
公开(公告)号：CN112101274B
公开(公告)日：2023-02-10
申请号：CN202011014630.6
申请日：2020-09-24
申请人： 苏州科达科技股份有限公司
IPC分类号： G06V20/62 , G06V10/56 , G06V10/774 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种车牌识别方法、装置、设备及可读存储介质，该方法包括：获取车牌图像；利用识别模型对车牌图像进行识别，得到车牌标签；其中，车牌标签为特殊车牌标签或普通车牌标签，普通车牌标签包括颜色标签和普通车牌号标签，特殊车牌标签包括特殊车牌号标签；解析车牌标签，得到车牌号和车牌颜色。在该方法中，将普通车牌的颜色作为车牌标签中的组成成分，无需提取出车牌的前景和背景，直接将车牌图像输入至一个识别模型中进行识别，便可同时完成车牌号识别和车牌颜色识别。由于无需区分前景和背景，可避免因划分前景和背景而带来的性能损耗，可有效提高车牌识别性能。
-
公开(公告)号：CN112819002A
公开(公告)日：2021-05-18
申请号：CN202110290112.5
申请日：2021-03-18
申请人： 苏州科达科技股份有限公司
摘要： 本申请提供一种车牌识别结果评估方法、装置、电子设备及存储介质，车牌识别结果评估方法包括：对原始图像进行车牌识别，获得车牌区域图像以及车牌识别结果；基于所述车牌识别结果，生成标准车牌图像；计算所述车牌区域图像与所述标准车牌图像的相似度；根据所述车牌区域图像与所述标准车牌图像的相似度，评估所述车牌识别结果。本申请针对车牌识别中实际采集到的车牌图像质量以及相应的车牌识别结果的最终可信度进行评估，确保最终输出号牌的正确性，避免人工二次审核。
-
公开(公告)号：CN112101274A
公开(公告)日：2020-12-18
申请号：CN202011014630.6
申请日：2020-09-24
申请人： 苏州科达科技股份有限公司
摘要： 本发明公开了一种车牌识别方法、装置、设备及可读存储介质，该方法包括：获取车牌图像；利用识别模型对车牌图像进行识别，得到车牌标签；其中，车牌标签为特殊车牌标签或普通车牌标签，普通车牌标签包括颜色标签和普通车牌号标签，特殊车牌标签包括特殊车牌号标签；解析车牌标签，得到车牌号和车牌颜色。在该方法中，将普通车牌的颜色作为车牌标签中的组成成分，无需提取出车牌的前景和背景，直接将车牌图像输入至一个识别模型中进行识别，便可同时完成车牌号识别和车牌颜色识别。由于无需区分前景和背景，可避免因划分前景和背景而带来的性能损耗，可有效提高车牌识别性能。
-
公开(公告)号：CN112819002B
公开(公告)日：2023-04-07
申请号：CN202110290112.5
申请日：2021-03-18
申请人： 苏州科达科技股份有限公司
摘要： 本申请提供一种车牌识别结果评估方法、装置、电子设备及存储介质，车牌识别结果评估方法包括：对原始图像进行车牌识别，获得车牌区域图像以及车牌识别结果；基于所述车牌识别结果，生成标准车牌图像；计算所述车牌区域图像与所述标准车牌图像的相似度；根据所述车牌区域图像与所述标准车牌图像的相似度，评估所述车牌识别结果。本申请针对车牌识别中实际采集到的车牌图像质量以及相应的车牌识别结果的最终可信度进行评估，确保最终输出号牌的正确性，避免人工二次审核。
-
公开(公告)号：CN109190620A
公开(公告)日：2019-01-11
申请号：CN201811019752.7
申请日：2018-09-03
申请人： 苏州科达科技股份有限公司
摘要： 本发明提供了一种车牌样本生成方法、系统、设备及存储介质，所述方法包括如下步骤：获取预设的车牌图像参数；根据所述车牌图像参数合成车牌图像；将所述车牌图像输入训练好的循环生成对抗网络的第一生成器中，得到输出的车牌样本。本发明解决了真实场景车牌数量太少、搜集困难、标注费时费力的问题，提出了首先根据预设的车牌图像参数进行车牌图像的合成，可以预先设定合成车牌的种类和各项参数，可以根据真实车牌的类别不平衡进行调配，生成更有利于车牌识别的合成训练样本，并且使用循环生成对抗网络进行优化的方法，使得合成车牌的标签得以保留且其风格更接近真实车牌。
-
公开(公告)号：CN112348747A
公开(公告)日：2021-02-09
申请号：CN201910729554.8
申请日：2019-08-08
申请人： 苏州科达科技股份有限公司
IPC分类号： G06T5/00
摘要： 本申请涉及一种图像增强方法、装置及存储介质，属于计算机技术领域，该方法包括：获取目标图像；获取预先训练的图像增强模型；图像增强模型基于自编码器和可扩展网络构成，且图像增强模型基于重构损失函数、结构化损失函数和纹理损失函数训练得到；重构损失函数用于训练图像增强模型对目标图像的色彩增强能力，结构化损失函数用于训练图像增强模型还原目标图像的结构信息的能力，纹理损失函数用于训练图像增强模型还原目标图像的图像细节的能力；将目标图像输入预先训练的图像增强模型，得到增强后的目标图像；可以解决现有的图像增强方法无法还原图像的色彩和图像细节的问题；提高图像增强效果。
-
公开(公告)号：CN109508717A
公开(公告)日：2019-03-22
申请号：CN201811173200.1
申请日：2018-10-09
申请人： 苏州科达科技股份有限公司
摘要： 本发明公开了一种车牌识别方法、识别装置、识别设备及可读存储介质，其中，车牌识别方法包括如下步骤：将合成车牌输入训练好的循环生成对抗网络中，得到真实化后的合成车牌，形成合成车牌训练集；循环生成对抗网络的生成器包括合成车牌向真实车牌的映射算法；使用合成车牌训练集训练车牌识别模型；采集若干真实车牌，形成真实车牌训练集；使用真实车牌训练集训练所述车牌识别模型；使用车牌识别模型对待识别车牌进行识别。由于训练好的循环生成对抗网络能够将普通合成软件合成的车牌映射到真实车牌空间，使合成车牌被真实化，而真实化后的合成车牌能够用于车牌识别模型的训练，因而能够解决车牌样本数据的采集难度较大的问题。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.034 秒)
