一种基于深度学习的车窗精确定位方法
基本信息
| 申请号 | CN201911089593.2 | 申请日 | - |
| 公开（公告）号 | CN111062384A | 公开（公告）日 | 2020-04-24 |
| 申请公布号 | CN111062384A | 申请公布日 | 2020-04-24 |
| 分类号 | G06K9/32;G06K9/62;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 韩梦江;楼燚航;白燕;张永祥;陈杰 | 申请（专利权）人 | 博云视觉（北京）科技有限公司 |
| 代理机构 | 北京众泽信达知识产权代理事务所（普通合伙） | 代理人 | 博云视觉（北京）科技有限公司 |
| 地址 | 100193 北京市海淀区西北旺东路10号院东区2号楼3层303A室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的车窗精确定位方法，步骤为：S1、在第一阶段中获取车辆车窗的大致定位框；S11、选取样本组，标定图片中车窗的角点坐标；S12、将图片和角点坐标保存为数据集；S13、将数据集输入第一阶段的深度卷积网络中提取特征图；S14、将特征图输入到BOX回归层得到车窗的大致定位框；S2、在第二阶段中获取车辆车窗的四个精确角点坐标；S21、将车窗大致定位框扩大；S22、截取扩大后候选框内的图片；S23、将角点坐标变换为相对于扩大后候选框的相对坐标；S24、将截取后的图片输入第二阶段的深度卷积网络中提取特征图，并转换为一个特征向量；S25、将特征向量输入到线性回归层得到车窗的精确角点坐标。 |
