Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020114120 - PROCÉDÉ D'IDENTIFICATION D'INFORMATIONS DE VÉHICULE, SYSTÈME, DISPOSITIF MÉMOIRE ET PROCESSEUR

Numéro de publication WO/2020/114120
Date de publication 11.06.2020
N° de la demande internationale PCT/CN2019/112504
Date du dépôt international 22.10.2019
CIB
G06K 9/62 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
KRECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
62Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
Déposants
  • 深圳光启空间技术有限公司 SHENZHEN KUANG-CHI SPACE TECH. CO. LTD [CN]/[CN]
Inventeurs
  • 刘若鹏 LIU, Ruopeng
  • 栾琳 LUAN, Lin
  • 曾梦萍 ZENG, Mengping
Données relatives à la priorité
201811500432.307.12.2018CN
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) METHOD FOR IDENTIFYING VEHICLE INFORMATION, SYSTEM, MEMORY DEVICE, AND PROCESSOR
(FR) PROCÉDÉ D'IDENTIFICATION D'INFORMATIONS DE VÉHICULE, SYSTÈME, DISPOSITIF MÉMOIRE ET PROCESSEUR
(ZH) 一种车辆信息识别方法、系统、存储器及处理器
Abrégé
(EN)
Provided are a method for identifying vehicle information, a system, a memory device, and a processor. The method for identifying vehicle information comprises: establishing a vehicle information data set; performing training with respect to the vehicle information data set on the basis of a YOLOv3 network, and obtaining a multi-attribute network model enabling vehicle information identification; and performing, by means of the obtained multi-attribute network model, multi-attribute prediction with respect to vehicle information of an image to be identified, so as to identify structured vehicle information in the image. The invention configures a network parameter influencing performance of a network model on the basis of YOLOv3, thereby achieving faster convergence and an optimized network model. Information of a vehicle itself is parsed into independent types to realize end-to-end input and output, such that a network output is structured information of each vehicle, thereby reducing time for identification and detection of vehicle information, improving identification efficiency, and providing wide applicability in the field of vehicle detection.
(FR)
La présente invention concerne un procédé d'identification d'informations de véhicule, un système, un dispositif mémoire et un processeur. Le procédé d'identification d'informations de véhicule comprend les étapes consistant à : établir un ensemble de données d'informations de véhicule ; réaliser un apprentissage par rapport à l'ensemble de données d'informations de véhicule sur la base d'un réseau YOLOv3 et obtenir un modèle de réseau à attributs multiples permettant l'identification d'informations de véhicule ; et réaliser, au moyen du modèle de réseau à attributs multiples obtenu, une prédiction à attributs multiples par rapport aux informations de véhicule d'une image à identifier, de façon à identifier des informations de véhicule structurées dans l'image. L'invention configure un paramètre de réseau influençant les performances d'un modèle de réseau sur la base d'un réseau YOLOv3, ce qui permet d'obtenir une convergence plus rapide et un modèle de réseau optimisé. Les informations d'un véhicule lui-même sont analysées en types indépendants pour réaliser une entrée et une sortie de bout en bout, de telle sorte qu'une sortie de réseau correspond à des informations structurées de chaque véhicule, ce qui permet de réduire le délai d'identification et de détection d'informations de véhicule, d'améliorer l'efficacité d'identification et d'offrir une large applicabilité dans le domaine de la détection de véhicule.
(ZH)
本发明提供了一种车辆信息识别方法、系统、存储器及处理器。其中所述车辆信息识别方法包括建立车辆信息数据集;基于yolov3网络对所述车辆信息数据集进行训练,得到可以识别所述车辆信息的多属性网络模型;运用得到的所述多属性网络模型来对待识别图像的车辆信息进行多属性预测,以识别所述待识别图像中的车辆结构化信息。在yolov3的基础上,设置影响网络模型性能的网络参数,使得收敛速度更快、网络模型的效果更优,直接将车辆本身的信息解析为每个独立的类,实现端到端的输入与输出,使得网络输出为每个车辆的结构化信息,从而车辆信息识别检测过程耗时少,识别效率高,普遍适用于车辆检测领域。
Dernières données bibliographiques dont dispose le Bureau international