基于U-Net网络的QR码褶皱恢复算法

摘要：

在智能物流分拣系统中常常利用工业相机捕捉快递面单上的QR码图片,继而完成识别工作.然而现实场景下,QR码标签普遍会出现弯曲褶皱情况,影响QR码信息的读取,所以为提升整个系统中QR码识别效果,通常需要将包裹上的褶皱QR码标签平整化.鉴于深度学习在图像算法各领域取得的非凡效果,研究一种基于U-Net网络的褶皱QR码恢复模型,通过添加平移不变损失和对抗损失,它可以直接预测褶皱图片到矫正图片的归一化坐标映射矩阵,并通过简单运算得到矫正图片.另外,由于现实中难以获取满足模型训练的大量已标注数据,利用2D扭曲的方法创建一万张褶皱QR码图片的合成数据集.在最终测试数据上的实验显示,上述模型可以有效的解决褶皱QR码的矫正恢复问题.

关键词：深度学习;图片恢复;神经网络

所属期刊栏目：39

分类号：TP3(计算技术、计算机技术)

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：302-307