本技術(shù)涉及圖像處理，尤其涉及一維條碼超分辨率模型訓(xùn)練方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、一維條碼在掃碼過程中會(huì)受到很多物理因素的影響，比如環(huán)境光、掃描距離、掃描角度、一維碼打印質(zhì)量和讀碼器成像質(zhì)量等，從而導(dǎo)致識(shí)別率降低。當(dāng)掃描距離很遠(yuǎn)或一維碼打印圖案很小時(shí)，經(jīng)過成像后的條碼圖像最小單元寬度像素（ppm）會(huì)很小，導(dǎo)致條碼識(shí)別率降低。

2、目前存在超分辨率方法能夠?qū)⒌唾|(zhì)量的小ppm一維條碼圖像，重建為高質(zhì)量的大ppm一維條碼圖像，但現(xiàn)有超分辨率技術(shù)在一維條碼圖像的ppm很小和圖像質(zhì)量較差情況下穩(wěn)定性較差，容易出現(xiàn)一維條碼失真（即一維條碼條空數(shù)量或?qū)挾扰c標(biāo)準(zhǔn)值出現(xiàn)偏差）等問題，導(dǎo)致條碼識(shí)別出現(xiàn)性能降低。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的主要目的在于提供一種一維條碼超分辨率模型訓(xùn)練方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，旨在解決現(xiàn)有技術(shù)超分辨率技術(shù)對(duì)一維條碼圖像進(jìn)行重建時(shí)，容易出現(xiàn)一維條碼失真的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本技術(shù)提出一種一維條碼超分辨率模型訓(xùn)練方法，所述一維條碼超分辨率模型訓(xùn)練方法包括：

3、根據(jù)初始重建模型對(duì)各組訓(xùn)練數(shù)據(jù)中的第一一維條碼圖像進(jìn)行預(yù)測(cè)，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像，一組訓(xùn)練數(shù)據(jù)包括第一一維條碼圖像以及第二一維條碼圖像，所述第一一維條碼圖像及所述第二一維條碼圖像對(duì)應(yīng)相同一維條碼，所述第二一維條碼圖像為對(duì)應(yīng)的一維條碼的像素級(jí)真值圖像，且所述第一一維條碼圖像的圖像質(zhì)量低于所述第二一維條碼圖像的圖像質(zhì)量，所述預(yù)測(cè)條碼圖像的圖像質(zhì)量高于所述第一一維條碼圖像的圖像質(zhì)量；

4、根據(jù)各組訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像以及各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像確定像素級(jí)損失值；

5、對(duì)各組訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像分別進(jìn)行語義提取，獲得各訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的高質(zhì)圖像語義特征，并對(duì)各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像分別進(jìn)行語義提取，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)圖像語義特征；

6、根據(jù)各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的高質(zhì)圖像語義特征及預(yù)測(cè)圖像語義特征確定條碼語義特征損失值；

7、根據(jù)所述像素級(jí)損失值及所述條碼語義特征損失值對(duì)所述初始重建模型的模型參數(shù)進(jìn)行調(diào)整，并檢測(cè)所述初始重建模型是否滿足預(yù)設(shè)收斂條件；

8、若所述初始重建模型滿足預(yù)設(shè)收斂條件，則將所述初始重建模型作為一維碼重建模型。

9、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述對(duì)各組訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像分別進(jìn)行語義提取，獲得各訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的高質(zhì)圖像語義特征，并對(duì)各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像分別進(jìn)行語義提取，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)圖像語義特征，包括：

10、獲取語義特征提取模型，所述語義特征提取模型為預(yù)先訓(xùn)練的，用于對(duì)語義特征進(jìn)行提取的模型，所述語義特征包括條空寬度特征及索引語義特征；

11、通過所述語義特征提取模型對(duì)各組訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像分別進(jìn)行語義提取，獲得各訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的高質(zhì)圖像語義特征，并通過所述語義特征提取模型對(duì)各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像分別進(jìn)行語義提取，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)圖像語義特征。

12、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述獲取語義特征提取模型之前，還包括：

13、通過初始條碼識(shí)別模型對(duì)各組識(shí)別訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像進(jìn)行預(yù)測(cè)，獲得各組識(shí)別訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的索引序列預(yù)測(cè)結(jié)果，一組識(shí)別訓(xùn)練數(shù)據(jù)包括第二一維條碼圖像以及所述第二一維條碼圖像對(duì)應(yīng)的索引序列真值，所述初始條碼識(shí)別模型包括特征提取模型及索引預(yù)測(cè)模型；

14、根據(jù)各組識(shí)別訓(xùn)練數(shù)據(jù)中的索引序列真值及各組識(shí)別訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的索引序列預(yù)測(cè)結(jié)果構(gòu)建序列預(yù)測(cè)損失值；

15、根據(jù)所述序列預(yù)測(cè)損失值對(duì)所述初始條碼識(shí)別模型的模型參數(shù)進(jìn)行調(diào)整，并檢測(cè)所述初始條碼識(shí)別模型是否滿足預(yù)設(shè)收斂條件；

16、若所述初始條碼識(shí)別模型滿足預(yù)設(shè)收斂條件，則將所述初始條碼識(shí)別模型作為一維條碼識(shí)別模型；

17、所述獲取語義特征提取模型，包括：

18、從所述一維條碼識(shí)別模型中提取特征提取模型，獲得語義特征提取模型。

19、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述通過初始條碼識(shí)別模型對(duì)各組識(shí)別訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像進(jìn)行預(yù)測(cè)，獲得各組識(shí)別訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的索引序列預(yù)測(cè)結(jié)果之前，還包括：

20、獲取一維條碼超分?jǐn)?shù)據(jù)集，所述一維條碼超分?jǐn)?shù)據(jù)集包括多個(gè)樣本對(duì)，所述樣本對(duì)包含一維條碼對(duì)應(yīng)的第一一維條碼圖像、第二一維條碼圖像和索引序列真值；

21、從所述一維條碼超分?jǐn)?shù)據(jù)集中提取多個(gè)樣本對(duì)；

22、將所述多個(gè)樣本對(duì)中的第一一維條碼圖像移除，獲得多組識(shí)別訓(xùn)練數(shù)據(jù)。

23、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述像素級(jí)損失值及所述條碼語義特征損失值對(duì)所述初始重建模型的模型參數(shù)進(jìn)行調(diào)整，包括：

24、查找所述像素級(jí)損失值及所述條碼語義特征損失值分別對(duì)應(yīng)的損失影響因子，所述損失影響因子用于表征損失值對(duì)總體損失的影響比例；

25、根據(jù)所述損失影響因子、所述像素級(jí)損失值及所述條碼語義特征損失值構(gòu)建最終損失值；

26、根據(jù)所述最終損失值確定所述初始重建模型中各層網(wǎng)絡(luò)對(duì)應(yīng)的誤差梯度；

27、根據(jù)所述誤差梯度推導(dǎo)所述初始重建模型中各層網(wǎng)絡(luò)對(duì)應(yīng)的權(quán)重梯度及偏置梯度；

28、獲取所述初始重建模型對(duì)應(yīng)的模型學(xué)習(xí)率；

29、根據(jù)所述模型學(xué)習(xí)率及所述權(quán)重梯度對(duì)所述初始重建模型中各層網(wǎng)絡(luò)的權(quán)重參數(shù)進(jìn)行調(diào)整，并根據(jù)所述模型學(xué)習(xí)率及所述偏置參數(shù)對(duì)初始重建模型中各層網(wǎng)絡(luò)的偏置參數(shù)進(jìn)行調(diào)整。

30、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述根據(jù)初始重建模型對(duì)各組訓(xùn)練數(shù)據(jù)中的第一一維條碼圖像進(jìn)行預(yù)測(cè)，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像之前，還包括：

31、獲取一維條碼超分?jǐn)?shù)據(jù)集，所述一維條碼超分?jǐn)?shù)據(jù)集包括多個(gè)樣本對(duì)，所述樣本對(duì)包含一維條碼對(duì)應(yīng)的第一一維條碼圖像、第二一維條碼圖像和索引序列真值；

32、從所述一維條碼超分?jǐn)?shù)據(jù)集中提取多個(gè)樣本對(duì)；

33、將所述多個(gè)樣本對(duì)中的索引序列真值移除，獲得多組訓(xùn)練數(shù)據(jù)。

34、在本技術(shù)一種可能的實(shí)現(xiàn)方式中，所述若所述初始重建模型滿足預(yù)設(shè)收斂條件，則將所述初始重建模型作為一維碼重建模型之后，還包括：

35、將待重建一維條碼圖像輸入至所述一維碼重建模型進(jìn)行處理，生成重建一維條碼圖像；

36、其中，所述待重建一維條碼圖像為包含一維條碼，但圖像質(zhì)量低至難以識(shí)別一維條碼的條碼真值的圖像，所述重建一維條碼圖像為與待重建一維條碼圖像包含同一一維條碼，但圖像質(zhì)量高于待重建一維條碼圖像的圖像。

37、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種模型訓(xùn)練裝置，所述裝置包括：

38、圖像預(yù)測(cè)模塊，用于根據(jù)初始重建模型對(duì)各組訓(xùn)練數(shù)據(jù)中的第一一維條碼圖像進(jìn)行預(yù)測(cè)，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像，一組訓(xùn)練數(shù)據(jù)包括第一一維條碼圖像以及第二一維條碼圖像，所述第一一維條碼圖像及第二一維條碼圖像對(duì)應(yīng)相同一維條碼，且所述第一一維條碼圖像的圖像質(zhì)量低于所述第二一維條碼圖像的圖像質(zhì)量，所述預(yù)測(cè)條碼圖像的圖像質(zhì)量高于所述第一一維條碼圖像的圖像質(zhì)量；

39、第一損失模塊，用于根據(jù)各組訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像以及各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像確定像素級(jí)損失值；

40、語義提取模塊，用于對(duì)各組訓(xùn)練數(shù)據(jù)中的第二一維條碼圖像分別進(jìn)行語義提取，獲得各訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的高質(zhì)圖像語義特征，并對(duì)各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)條碼圖像分別進(jìn)行語義提取，獲得各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)圖像語義特征；

41、第二損失模塊，用于根據(jù)各組訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的高質(zhì)圖像語義特征及預(yù)測(cè)圖像語義特征確定條碼語義特征損失值；

42、參數(shù)調(diào)整模塊，用于根據(jù)所述像素級(jí)損失值及所述條碼語義特征損失值對(duì)所述初始重建模型的模型參數(shù)進(jìn)行調(diào)整，并檢測(cè)所述初始重建模型是否滿足預(yù)設(shè)收斂條件；

43、模型確定模塊，用于若所述初始重建模型滿足預(yù)設(shè)收斂條件，則將所述初始重建模型作為一維碼重建模型。

44、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種模型訓(xùn)練設(shè)備，所述設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如上所述的一維條碼超分辨率模型訓(xùn)練方法的步驟。

45、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的一維條碼超分辨率模型訓(xùn)練方法的步驟。

46、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的一維條碼超分辨率模型訓(xùn)練方法的步驟。

47、本技術(shù)提出的一個(gè)或多個(gè)技術(shù)方案，至少具有以下技術(shù)效果：

48、由于在對(duì)初始重建模型進(jìn)行訓(xùn)練時(shí)，是結(jié)合了像素級(jí)損失值及條碼語義特征損失值對(duì)模型參數(shù)進(jìn)行調(diào)整，充分考慮了重建得到的圖像的像素級(jí)損失以及語義特征的損失，由此訓(xùn)練得到的一維碼重建模型，可以保證即使在輸入的一維條碼圖像的ppm很小和/或質(zhì)量差的情況下，也能保證重建的圖像質(zhì)量以及語義特征的準(zhǔn)確，從而輸出條空寬度準(zhǔn)確的高分辨率圖像，提高超分辨率模型的穩(wěn)定性，提高條碼識(shí)別的性能。