本发明涉及计算机,尤其涉及一种车牌图像分类方法、装置、电子设备及存储介质。
背景技术:
1、对于车牌图像的分类而言,相关技术中,一般采用人工方式对车牌图像进行分类,整个分类过程缺乏可解释性。若车牌图像的数量较多,通常会出现车牌图像分类错误,导致车牌图像分类的准确率较低。
技术实现思路
1、本发明提供了一种车牌图像分类方法、装置、电子设备及存储介质,以实现更准确地对车牌图像进行分类,且分类过程具有可解释性。
2、根据本发明的一方面,提供了一种车牌图像分类方法,该方法包括:
3、响应于针对目标车牌图像的图像分类指令,确定所述目标车牌图像的图像特征数据;
4、将所述图像特征数据输入到预先训练完成的车牌分类模型中,输出针对所述目标车牌图像进行分类的执行结果,所述执行结果包括至少两个分类项以及各所述分类项的概率,所述至少两个分类项以树状形式分布。
5、根据本发明的另一方面,提供了一种车牌图像分类装置。该装置包括:
6、图像特征数据确定模块,用于响应于针对目标车牌图像的图像分类指令,确定所述目标车牌图像的图像特征数据;
7、车牌图像分类模型,用于将所述图像特征数据输入到预先训练完成的车牌分类模型中,输出针对所述目标车牌图像进行分类的执行结果,所述执行结果包括至少两个分类项以及各所述分类项的概率,所述至少两个分类项以树状形式分布。
8、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
9、至少一个处理器;以及
10、与所述至少一个处理器通信连接的存储器;其中,
11、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明上述任一所述的车牌图像分类方法。
12、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明上述任一所述的车牌图像分类方法。
13、本发明实施例的技术方案,通过接收针对目标车牌图像的图像分类指令,确定所述目标车牌图像的图像特征数据;将所述图像特征数据输入到预先训练完成的车牌分类模型中,输出针对所述目标车牌图像进行分类的执行结果,所述执行结果包括至少两个分类项以及各所述分类项的概率,所述至少两个分类项以树状形式分布。本发明实施例的技术方案,实现了更准确地对车牌图像进行分类,且分类过程具有可解释性。
14、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种车牌图像分类方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述预先训练完成的车牌分类模型包括训练完成的递归残差神经网络和训练完成的决策树;
3.根据权利要求2所述的方法,其特征在于,所述训练完成的决策树包括至少两个节点;所述将所述分类特征向量输入到所述训练完成的决策树中,得到针对所述目标车牌图像进行分类的执行结果,包括:
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
8.一种图像分类装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车牌图像分类方法。