CN111079698A - 一种七巧板玩具识别的方法和装置 - Google Patents

Abstract

本公开涉及七巧板玩具的识别方法和装置。该方法包括：截取摄像头包含有效七巧板的图像区域；将所截取的图像作为七巧板识别模型的输入，所述七巧板识别模型是已训练的用于七巧板识别的深层卷积神经网路，所述七巧板识别模型的输出指示所述输入图像中包含的所有七巧板在图像中的像素、以及每一个像素对应七巧板的类型；基于所述七巧板识别模型的输出识别图像中包含的每一个七巧板像素级区域。应用本公开，能有效提高七巧板识别的准确率，于此同时在不同光照条件、不同背景环境下都能得到很好的识别结果。

Description

一种七巧板玩具识别的方法和装置

技术领域

本公开涉及七巧板玩具的图像识别领域，尤其涉及基于卷积神经网络的七巧板识别方法和装置。

背景技术

七巧板玩具对培养孩子的逻辑思维能力和空间想象能力等有很大的帮助，但是孩子需要专业的培训机构或者父母专业的指导，才能逐步深入地认识到七巧板玩具的技巧和乐趣，大部分孩子接触到七巧板，只是简单玩个入门，遇到困难无法解决后就将其束之高阁。

为了解决上述问题，我们可以通过带摄像头和计算单元的装置，实时获取到孩子玩七巧板玩具的视频，通过视频识别和分析孩子操作七巧板玩具的过程，当孩子遇到问题无法解决的时候，可以通过屏幕或者是语音给孩子提供相应的提示和引导，帮忙孩子完成七巧板拼接成指定图案的任务，帮忙孩子逐步探索出七巧板玩具的技巧和培养相应的能力。

上述解决方案的核心是对七巧板玩具的图像识别算法，传统的计算机视觉算法可以实现上述功能（比如通过将图像转换为HSV颜色图像，通过七巧板的七种颜色过滤来识别不同的七巧板模块），但是鲁棒性和兼容性很差，实际应用中效果和体验难以让人满意。比如说强光或者是阴影等光照条件下，识别效果急剧下降，又比如不同的桌面背景还有不同型号的摄像头，识别效果都会受到很大的影响。

发明内容

有鉴于此，本公开提出了一种鲁棒性高并且识别准确率很高的七巧板识别方法，本公开还提供了相应的装置。

根据本公开的一方面，提供了一种基于卷积神经网络的七巧板识别方法，所述方法包括：截取实时视频中的图像中的中间区域；将所截取的图像作为七巧板模型的输入，所述七巧板识别模型是已训练的用于识别七巧板玩具的深层卷积神经网络，所述七巧板识别模型的输出指示所述输入图像中包含的所有七巧板在图像中的像素、以及每一个像素对应七巧板的类型。

根据本公开的另一方面，提供了一种用卷积层和空洞卷积层代替分类网络中的全连接层方案，并在最后的特征提取层后面增加相对应的以反卷积层为主的解码器结构，使得网络模型可以输出像素级的识别结果。

根据本公开的另一方面，提供了一种采用空洞卷积的结构来减小识别模型的计算量和参数量，在增大感受野的同时维持了特征映像的分辨率，使得识别模型可以准确地识别出不同尺度的七巧板；也就是说，无论七巧板玩具是在靠近摄像头的地方，还是远离摄像头的地方，本识别模型都可以准确地识别出来。

根据本公开的另一方面，提供了一种采用多尺度特征映像上采样后融合的方案，增加对小目标七巧板识别的精度。

根据本公开的另一方面，提供了一种在识别模型的初始化部分进行缩小输入图像分辨率的方案，以此来去除视觉的冗余，减小计算量，加快识别速度。

根据本公开的另一方面，提供了一种减小解码器规模的方法，以此精简网络模型，达到减小计算量和加快识别速度的效果。

根据本公开的另一方面，提供了一种通过对标准卷积操作进行因式分解的方法，以此减小网络模型的计算量和参数量，达到加快识别速度的效果。

根据本公开的另一方面，提供了一种基于卷积神经网络的七巧板识别装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。用于采集玩具视频的摄像头；

根据本公开的各方面，基于专门用于七巧板识别的深层卷积网络，识别输入图像中包含的所有七巧板的图像像素和对应像素是那种颜色的七巧板类型，并采用条件随机场（CRF）作为模型的后处理，提高模型对七巧板图像边缘的识别精度。

根据下面参考附图对示例性实施例的详细说明，本公开的其他特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的

示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开的一个实施例的基于卷积神经网络的七巧板识别方法。

图2～7示出根据本公开的一个具体应用实例的示意图。

图8示出根据本公开的一个实施例的基于卷积神经网络的七巧板识别装置的结构框图。

图9示出根据本公开的一个实施例的基于卷积神经网络的七巧板识别装置的结构框图。

具体实施方式：

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开的一个实施例的基于卷积神经网络的七巧板识别方法。该方法可以应用于诸如智能手机、平板、智能机器人、智能电视、投影仪、计算机等终端。如图1所示，该方法包括下列步骤102、步骤104和步骤106。

步骤102，截取摄像头实时视频中位于第一区域的图像。

该第一区域可以是根据实际情况设置的。例如，在平板或者手机前置摄像头上加装反射镜的情况，可以截取保留图像下面十分之九的图像，去掉反射到屏幕本身的图像。

在一种可能的实现方式中，还可对所截取的图像进行处理，例如尺寸调整和像素值归一化等，以使得处理后的图像与下文中卷积神经网络对输入的要求相匹配，以进一步提高识别准确率。

步骤104，将所截取的图像作为七巧板识别模型的输入，所述七巧板识别模型是已训练的用于七巧板识别的深层卷积神经网路，所述七巧板识别模型的输出指示所述输入图像中包含的所有七巧板在图像中的像素、以及每一个像素对应七巧板的类型。

参照图2示出根据本公开的示例性实施例的七巧板玩具识别模型场景示意图。根据本公开的方法在服务器端训练七巧板识别模型，将训练好的识别模型发送到终端，使得终端能够直接运行该七巧板识别模型，实时地识别出图像中每一个七巧板图像像素和其对应的类型。

参照图3，在服务器端侧，采集包含所有七种七巧板部件的图像(步骤302)，用多边形框框柱每一个七巧板部件的图像边缘，并标注相应的类型名称(步骤304)，并针对已采集的七巧板图像样本和标注进行数据增强(步骤306)，然后将各个样本缩放至相同大小(例如576*576*3)(步骤308)，以及进行像素值归一化(步骤310)，以得到训练样本库。然后，可基于训练样本库进行模型设计和模型训练(步骤312)，得到专门用于七巧板玩具识别的上述卷积神经网络，并生成相应的可以识别七巧板玩具的网络模型文件(步骤314)，其可包括该卷积神经网络的卷积核、层级结构等信息。所述七巧板识别模型文件可被发送至终端。

参照图4，在终端侧，可自动获取摄像头实时观察七巧板的图像(步骤402)，并截取去掉不可能包含七巧板的图像部分区域(步骤404)，将其缩放至和训练样本相同的尺寸(例如576*576*3) (步骤406)，以及进行像素值归一化(步骤408)，以与七巧板识别模型对输入的要求相匹配，执行图像检测前需要先加载七巧板识别模型文件以建立神经网络模型(步骤410)，将归一化后的图像(此处可理解为该图像对应的数据信息)作为上述七巧板识别模型的输入进行七巧板识别(步骤412)，得到图像中包含的每一个七巧板对应的图像像素以及对应像素是哪种七巧板类型(步骤414)。

需要注意的是，以上仅是示例性流程，不用于限定步骤间的前后关系，例如，步骤410可在步骤412之前的任意时间执行。

参考图5和图6给出了该应用场景中的七巧板识别网络模型的示例性示意图，其中：

Conv层（卷积层），可分层次学习七巧板图像的特征，其中，低层次卷积层学习七巧板图像的低级特征(例如边缘线条等)，中间层次卷积层学习低级特征的组合，高层次卷积层学习七巧板图像的更为抽象的特征；

BN层（Batch Normalization批量归一化层），用以防止训练过程中梯度消失，还可加快训练速度，放在本网络模型的每个卷积层后面;

ReLU表示激活层或修正线性层，以去除无关的噪音，并加快关键因子的提取速度；

DeConv表示反卷积层，反卷积层可以放大特征映射(Feature Map)，也等同于将特征映射上采样；

Dilated Conv（空洞卷积层），用以增加卷积核中心像素的感受野（相当于一个卷积核能看见的区域）。

Conv_blockA 由Conv卷积层、Bn批量归一化层和relu激活层组合而成（步骤502），用以提取七巧板图像特征信息。

Conv_blockB 由Dilated Conv空洞卷积层、Bn批量归一化层和relu激活层组合而成（步骤504），用以提取不同尺度的七巧板图像特征信息。

Conv_blockC 由DeConv反卷积层、Bn批量归一化层和relu激活层组合而成（步骤506），用以对特征映像进行上采样，使得网络模型的最终输出可以得到与输入图像一致分辨率的结果。

步骤508 将缩放至576*576分辨率大小的3通道图像输入至七巧板识别模型。

步骤510 对输入图像进行卷积操作，卷积核的大小为3*3，卷积核数量为16，采用2*2大小的非重叠移动窗口，输出288*288*16的特征映像，在模型的初始化阶段对输入图像进行大幅度的下采样，大大减小网络模型后续的计算量，在模型的识别精度不变的基础上，使得七巧板模型的识别速度可以得到大幅度的提升。原因是七巧板图像信息存在大量的冗余，通过本层的卷积操作，大大浓缩这些冗余信息，同时缩小空间尺寸。

步骤512、步骤514和步骤516组成本网络模型的编码器模块，分层提取七巧板图像的特征信息。

步骤514和步骤516中用空洞卷积层来取代普通的卷积层，用以在特征映像分辨率不变的基础上增加卷积核中心像素的感受野。在常规的图像分类领域，一般是通过卷积层加上pooling下采样层来增加卷积核的感受野，但是这个操作同时带来特征映像尺寸的减小，特征映像尺寸的减小对图像分类任务来说没有什么影响，因为该任务的输出只需要一维的类别。但是对于七巧板图像分割任务，需要输出与输入图像同等大小的像素级分类信息，特征映像尺寸的减小，在上采样的过程中比较损失掉很多信息。本步骤采用空洞卷积层来解决上述问题，使得在特征映像分辨率不变的基础上增加卷积核的感受野。

图6 是本模型一个空洞卷积层的示例，卷积核大小为3X3的空洞卷积层，红色点代表权重不为0的卷积核，其中空洞为1，相当于3*3的卷积核扩大为7*7的卷积核，该卷积核的感受野增加到7*7，达到在输出特征映像分辨率不变的基础上增加卷积核感受野的效果。

步骤518、步骤520、步骤522、步骤524和步骤526组成本网络模型的解码器模块，对步骤514和步骤516生成的特征映像进行反卷积上采样，获得与输入图像分辨率一致的特征映像图。

步骤516生成的特征映像尺寸较小，学习到高语义更抽象的特征信息，但是特征映像尺寸较小，使得小尺寸的七巧板图像特征在上采样的过程中信息有所丢失（步骤518、步骤520、步骤522），导致小尺寸七巧板图像识别准确度不够高。

为了解决上述问题，采用多尺度特征映像上采样后融合的方案，增加对小目标七巧板图像识别的精度。步骤514生成的特征映像尺寸较大，对小尺寸七巧板特征信息保留更为完整，步骤524和步骤526对步骤514生成的特征映像进行反卷积上采样。

步骤528融合步骤522和步骤526的特征映像图，融合两种尺寸特征映像上采样的结果。

步骤530对步骤528融合特征映像进行Conv卷积操作，生成与输入图像尺寸一致的预测结果，有7个通道组成，每一个通道代表一种七巧板部件的预测结果。

本七巧板识别模型需要直接运行在移动终端，移动终端的计算资源有效，要求网络模型尽量精简和高效，才能达到实时识别的效果。以下设计用以精简优化本网络模型，加快模型推理速度。

一般的图像分割模型的解码器结构和编码器结构是完全对等的，这种结构功能上是合理的，但是还存在可优化的空间。编码器是用来提取七巧板图像特征信息的，规模可以相对大些，解码器是对编码器提取的特征进行上采样，本质上是对解码器结果的细节进行精调，解码器的规模可以相对减小些，使得减小整个模型的计算量，加快模型的识别推理速度，对最终的识别结果可以基本没有影响，模型的实验结果也证明了该推断。步骤512由6个Conv_blockA组成编码器，相对应的步骤522和步骤526分别由4个DeConv_blockC组成解码器，解码器比编码器少了2个block的计算量；步骤514由6个Conv_blockA组成编码器，相对应的步骤520和步骤524分别由4个DeConv_blockC组成解码器，解码器比编码器少了2个block的计算量；步骤516由6个Conv_blockA组成编码器，相对应的步骤518由4个DeConv_blockC组成解码器，解码器比编码器少了2个block的计算量；

基于卷积神经网络的七巧板识别模型需要检测小目标的七巧板，所以网络模型设计比较深，存在大量的卷积操作，本方法通过对标准卷积操作进行优化，从而达到模型压缩和加速的效果。标准卷积操作是同时对所有通道和图像区域进行操作的，本方法将标准卷积核进行因式分解，分为两个子卷积操作，先对每一个通道进行各自的卷积操作，得到新的通道特征映像后，再进行标准的1X1跨通道卷积操作。例如，模型中的一个卷积层的卷积核高为Kw，宽为Kh，深度为M，特征图（Feature Map）的数量为N，则该卷积操作可被分解为1*1*N*M的卷积操作和Kw*Kh*M的卷积操作。假设该卷积层的输入宽和高分别为Dw和Dh，则因式分解优化前的一个卷积操作的计算量为Kw*Kh*M*N*Dw*Dh，参数量为Kw*Kh*M*N。采用本实现方式进行因式分解，一个卷积层的计算量为Kw*Kh*M*Dw*Dh + M*N*Dw*Dh，一个卷积层的参数量为Kw*Kh*M + M*N。因式分解优化后的卷积计算和参数量都有显著的减少，计算量和参数量减少大概在10倍左右。优化前和优化后的模型准确率和召回率相比，相差不超过0.5%。

图8示出根据本公开的一个实施例的基于七巧板识别模型的装置的结构框图。如图所示，该装置是一种基于七巧板识别模型的识别装置，其特征在于，所述装置包括：

图像获取和截取单元702，用于获取摄像头实时图像并截取有效图像区域；七巧板识别单元704，用于将所截取的图像作为七巧板识别模型的输入，所述七巧板识别模型是已训练的用于七巧板识别的深层卷积神经网路，所述七巧板识别模型的输出指示所述输入图像中包含的所有七巧板在图像中的像素、以及每一个像素对应七巧板的类型；七巧板识别后处理单元706，用于优化网络模型输出的识别结果，增加七巧板图像边缘识别的精度，保留最优识别结果。

上述装置的其他细节可参见上文对方法的描述，在此不再一一赘述。

图9是根据一示例性实施例示出的一种七巧板识别模型装置800的框图。例如，装置800可以是平板、智能手机、智能电视、智能机器人等智能终端。

参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816和摄像头组件818。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相

机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指

令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，

于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储

器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，

蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (9)

1.一种基于七巧板网络模型的识别方法，其特征在于，所述方法包括：

截取摄像头包含有效七巧板的图像区域；

将所截取的图像作为七巧板识别模型的输入，所述七巧板识别模型是已训练的用于七巧板识别的深层卷积神经网路，所述七巧板识别模型的输出指示所述输入图像中包含的所有七巧板在图像中的像素、以及每一个像素对应七巧板的类型；

基于所述七巧板识别模型的输出识别出所截取的图像包含的所有七巧板。

2.根据权利要求1所述的方法，其特征在于：

在所述七巧板识别模型中，提供了一种用卷积层和空洞卷积层代替分类网络中的全连接层方案，并在最后的特征提取层后面增加相对应的以反卷积层为主的解码器结构，使得网络模型可以输出像素级的识别结果。

3.根据权利要求1所述的方法，其特征在于：

在所述七巧板识别模型中，提供了一种采用空洞卷积的结构来减小识别模型的计算量和参数量，在增大感受野的同时维持了特征映像的分辨率，使得识别模型可以准确地识别出不同尺度的七巧板；也就是说，无论七巧板玩具是在靠近摄像头的地方，还是远离摄像头的地方，本识别模型都可以准确地识别出来。

4.根据权利要求1所述的方法，其特征在于：

提供了一种采用多尺度特征映像上采样后融合的方案，增加对小目标七巧板识别的精度。

5.根据权利要求1所述的方法，其特征在于：

提供了一种在七巧板识别模型的初始部分进行缩小输入图像分辨率的方案，以此来去除视觉的冗余，减小计算量，加快识别速度。

6.根据权利要求1所述的方法，其特征在于：

提供了一种减小七巧板识别模型解码器规模的方法，以此精简网络模型，达到减小计算量和加快识别速度的效果。

7.根据权利要求1所述的方法，其特征在于：

提供了一种通过对标准卷积操作进行因式分解的方法，以此减小网络模型的计算量和参数量，达到加快识别速度的效果。

8.一种基于七巧板识别模型的七巧板识别装置，其特征在于，所述装置包括：

图像获取和截取单元，用于获取摄像头图像并截取包含有效七巧板的图像区域;

七巧板识别单元，用于将所截取的图像作为七巧板识别模型的输入，所述七巧板识别模型是已训练的用于七巧板识别的深层卷积神经网路，所述七巧板识别模型的输出指示所述输入图像中包含的所有七巧板在图像中的像素、以及每一个像素对应七巧板的类型。

9.一种基于七巧板识别模型的七巧板识别装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1至8中任意一者所述的方法。

Images