网点选址预测方法、装置、设备、介质和程序产品.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114743167A(43)申请公布日2022.07.12(21)申请号202210412982.X(22)申请日2022.04.19(71)申请人中国工商银行股份有限公司地址100140北京市西城区复兴门内大街55号(72)发明人张钢陈永录仇国龙(74)专利代理机构中科专利商标代理有限责任公司11021专利代理师张琛(51)Int.Cl.G06V20/54(2022.01)G06V20/58(2022.01)G06Q30/02(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书14页附图9页(54)发明名称网点选址预测方法、装置、设备、介质和程序产品(57)摘要本公开提供了一种网点选址预测方法，可以应用于大数据技术领域、目标检测技术领域或金融领域。该网点选址预测方法包括：获取含有待识别车辆的目标图像，其中，所述目标图像包含对应于相同地理范围的m个不同时点的子图像，其中，m为大于等于2的整数；基于预训练得到的车辆识别模型对所述目标图像进行车辆识别，获得车辆识别结果，其中，所述车辆识别结果包含对应于每个子图像的车辆位置、车辆类别以及每种车辆数量；基于所述车辆识别结果获取车流量数据；以及基于所述车流量数据进行网点选址预测，其中，所述车辆识别模型基于深度残差模块改进的YOLOv3网络训练得到。本公开还提供了一种网点选址预测装置、设备、存储介质和程序产品。CN114743167ACN114743167A权利要求书1/2页1.一种网点选址预测方法，其特征在于，包括：获取含有待识别车辆的目标图像，其中，所述目标图像包含对应于相同地理范围的m个不同时点的子图像，其中，m为大于等于2的整数；基于预训练得到的车辆识别模型对所述目标图像进行车辆识别，获得车辆识别结果，其中，所述车辆识别结果包含对应于每个子图像的车辆位置、车辆类别以及每种车辆数量；基于所述车辆识别结果获取车流量数据；以及基于所述车流量数据进行网点选址预测，其中，所述车辆识别模型基于深度残差模块改进的YOLOv3网络训练得到。2.根据权利要求1所述的方法，其中，所述基于预训练得到的车辆识别模型对所述目标图像进行车辆识别，获得车辆识别结果包括：基于特征提取网络处理所述目标图像，获取第一特征图像，其中，所述第一特征图像包含k组不同目标尺寸的第一子特征图，k为大于等于6的整数；将所述第一图像特征输入特征融合网络以获取第二特征图像；将所述第二特征图像输入预测层网络以获取预测特征图像；基于所述预测特征图像生成先验目标框；以及基于非极大值抑制算法处理所述先验目标框，获取车辆识别结果。3.根据权利要求2所述的方法，其中，所述将所述第一特征图像输入特征融合网络以获取第二特征图像包括：将获取自特征提取网络的第k组第一子特征图，标记为第1组第二子特征图；将所述第j组第二子特征图执行2倍上采样操作后，与特征提取网络输出的第k‑j组第一子特征图采用级联方式融合，获取第s组第二子特征图，其中，j按从小到大的顺序遍历[1，k‑1]中的整数值，s满足s＝j+1且s为整数；以及基于第1～k组第二子特征图获取第二特征图像。4.根据权利要求2所述的方法，其中，所述特征提取网络包含残差模块以及卷积层，其中，所述残差模块组数为n，n满足k≤n且n为整数，所述卷积层的层数与残差模块组数关联，所述卷积层包含满足目标视野的卷积层。5.根据权利要求4所述的方法，其中，所述基于特征提取网络处理所述目标图像，获取第一特征图像包括：将目标图像输入至所述特征提取网络，经卷积层处理后获取第一组输出图像；基于残差模块处理所述第一组输出图像，获取第二组输出图像；交替执行述卷积层处理步骤和所述残差模块处理步骤，直至获取第n组输出图像；以及基于所述第二至第n组输出图像获取第一特征图像。6.根据权利要求2所述的方法，其中，所述基于特征提取网络处理所述目标图像，获取第一特征图像还包括：舍弃不满足目标尺寸的输出图像。7.根据权利要求5所述的方法，其中，所述基于所述第二至第n组输出图像获取第一特征图像还包括：舍弃第二至第n‑k组输出图像，以获取k组不同目标尺寸的第一子特征图。8.根据权利要求2所述的方法，其中，在进行车辆识别前，所述方法还包括对目标图像2CN114743167A权利要求书2/2页进行预处理的步骤，所述预处理包括调整目标图像的尺寸，使得调整后的目标图像在经过特征提取网络处理后能够输出目标尺寸的第一特征图像。9.根据权利要求2所述的方法，其中，所述第一特征图像包含6组第一子特征图，所述第一子特征图的尺寸分别为64×64、32×32、16×16、8×8、4×4、2×2。10.根据权利要求8所述的方法，其中，所述目标图像的尺寸为51