(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111625288.8 (22)申请日 2021.12.28 (71)申请人 成都臻识科技发展 有限公司 地址 610041 四川省成 都市高新区府 城大 道西段39 9号6栋1单元8层1号 (72)发明人 阚欣　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 王会改 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的子图拆分方法、 系统、 设备 及存储介质 (57)摘要 本发明公开了一种基于深度学习的子图拆 分方法、 系统、 设备及存储介质， 该方法包括： 获 取待拆分的拼图； 将待拆分的拼图输入训练好的 分类模型中， 得到拆分后的子图。 其中， 所述 分类 模型的训练步骤包括： 采集具有不同拼图模式的 拼图原图； 将所述拼图原图按照拼图模式分为不 同的类别； 将拼图原图与其对应的类别信息输入 深度神经网络进行训练， 得到分类模型。 本发明 可以快速有效地对违法证据链的拼图进行切分， 鲁棒性高、 效果好， 基于gpu或npu 的模型计算速 度快。 权利要求书1页 说明书3页 附图1页 CN 114511700 A 2022.05.17 CN 114511700 A 1.一种基于深度学习的子图拆分方法， 其特 征在于， 包括： 获取待拆分的拼图； 将待拆分的拼图输入训练好的分类模型中， 得到拆分后的子图。 2.根据权利要求1所述的方法， 其特征在于， 所述待拆分的拼图由不同拼图模式对应的 所述子图构成。 3.根据权利要求1所述的方法， 其特 征在于， 所述分类模型的训练步骤 包括： 采集具有不同拼图模式的拼图原图； 将所述拼图原图按照拼图模式分为 不同的类别； 将拼图原图与其对应的类别 信息输入深度神经网络进行训练， 得到分类模型。 4.根据权利要求3所述的方法， 其特征在于， 所述采集具有不同拼图模式的拼图原图， 包括： 采集来自各种设备的不同拼图模式的白天、 夜间违法证据链图片拼图原图。 5.根据权利要求3所述的方法， 其特征在于， 所述将所述拼图原图按照拼图模式分为不 同的类别， 包括： 通过人工标注的方式， 把 不同拼图模式的图片分为 不同的类别。 6.根据权利要求1所述的方法， 其特征在于， 所述将待拆分的拼图输入训练好的分类模 型中， 得到拆分后的子图， 包括： 将待拆分的拼图输入训练好的分类模型， 根据所述分类模型给出的类别， 得到拆分后 的子图。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述分类模型给出的类别， 得到 拆分后的子图， 包括： 根据所述分类模型给出的类别， 把拼图匹配到类别对应的拼图模式， 并根据该模式所 预设的各子图位置， 顺序抠出对应子图。 8.一种基于深度学习的子图拆分系统， 其特 征在于， 包括： 获取模块， 用于获取待拆分的拼图； 拆分模块， 用于将待拆分的拼图输入训练好的分类模型中， 得到拆分后的子图。 9.一种基于深度学习的子图拆分 设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执 行所述计算机程序时实现如权利要求1 ‑7任一项所述的方法。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处 理器执行时实现如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114511700 A 2基于深度学习的子 图拆分方 法、 系统、 设 备及存储介质 技术领域 [0001]本发明涉及图像处理和深度学习技术领域， 特别是一种基于深度学习的子图拆分 方法、 系统、 设备及存 储介质。 背景技术 [0002]在实际应用如交通违法证据图片审核中， 证据图片通常是被各地不同设备在 不同 设定方式下以某种顺序与构成拼起来的拼图， 且无法追溯拼图信息， 而为了按照时间顺序 恢复违法图片证据链， 需要对拼图进行反向的子图拆分。 [0003]对于此类问题， 传统方法可以使用传统的图像处理算法， 如 计算图片梯度、 直线检 测、 甚至简单地按照图片分辨 率查表等， 加上一定的后处 理来拆分拼图中的子图。 [0004]但是传统方法准确率低， 局限性强， 需要调整大量经验性参数， 大部分存在强假设 如均匀拼图， 不一定适应不同的场景， 如夜间、 过曝、 不规则拼图、 图内干扰信息等情况； 部 分传统方法也存在最多可以区分拼图模式， 但不能准确的找出子图的具体位置的弊端， 在 遇到非均匀拼图的时候均匀切分子图而造成子图切分错位； 还有部 分传统方法存在速度过 慢的缺陷。 发明内容 [0005]鉴于此， 本发明提供一种基于深度学习的子图拆分方法、 系统、 设备及存储介质， 可以快速有效地对违法证据链的拼图进行切分， 鲁棒 性高、 效果 好。 [0006]本发明公开了一种基于深度学习的子图拆分方法， 包括： [0007]获取待拆分的拼图； [0008]将待拆分的拼图输入训练好的分类模型中， 得到拆分后的子图。 [0009]优选地， 所述待拆分的拼图由不同拼图模式对应的所述子图构成。 [0010]优选地， 所述分类模型的训练步骤 包括： [0011]采集具有不同拼图模式的拼图原图； [0012]将所述拼图原图按照拼图模式分为 不同的类别； [0013]将拼图原图与其对应的类别 信息输入深度神经网络进行训练， 得到分类模型。 [0014]优选地， 所述采集具有不同拼图模式的拼图原图， 包括： [0015]采集来自各种设备的不同拼图模式的白天、 夜间违法证据链图片拼图原图。 [0016]优选地， 所述将所述 拼图原图按照拼图模式分为 不同的类别， 包括： [0017]通过人工标注的方式， 把 不同拼图模式的图片分为 不同的类别。 [0018]优选地， 所述将待拆分的拼图输入训练好的分类模型中， 得到拆分后的子图， 包 括： [0019]将待拆分的拼图输入训练好的分类模型， 根据所述分类模型给出的类别， 得到拆 分后的子图。 [0020]优选地， 所述 根据所述分类模型 给出的类别， 得到拆分后的子图， 包括：说　明　书 1/3 页 3 CN 114511700 A 3