CN111931781A - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111931781A CN111931781A CN202010801553.2A CN202010801553A CN111931781A CN 111931781 A CN111931781 A CN 111931781A CN 202010801553 A CN202010801553 A CN 202010801553A CN 111931781 A CN111931781 A CN 111931781A
- Authority
- CN
- China
- Prior art keywords
- feature
- feature map
- image
- maps
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims description 63
- 230000011218 segmentation Effects 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 35
- 239000013598 vector Substances 0.000 claims description 35
- 230000009466 transformation Effects 0.000 claims description 20
- 230000004927 fusion Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000011176 pooling Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008707 rearrangement Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000013341 scale-up Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质,所述方法包括:对待处理图像进行特征提取,得到待处理图像的N个第一特征图,N个第一特征图中各个第一特征图的尺度不同;根据N个第一特征图中的M个第一特征图,生成n个特征码字以及n个特征码字的第一权重特征图;根据n个特征码字以及第一权重特征图,确定待处理图像的第二特征图;根据第二特征图,确定待处理图像的处理结果。本公开实施例可实现高精度的图像处理。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
在计算机视觉领域,通常需要对图像进行处理,例如提取图像的特征图,根据特征图分析图像场景中的物体信息,进而得到图像的处理结果。然而,根据相关技术的图像处理方式,或者特征感受视野有限,导致处理精度较差;或者通过较大的计算量来提高精度,导致应用范围受到限制,无法实现处理速度与处理精度两者的兼顾。
发明内容
本公开提出了一种图像处理技术方案。
根据本公开的一方面,提供了一种图像处理方法,包括:对待处理图像进行特征提取,得到所述待处理图像的N个第一特征图,所述N个第一特征图中各个第一特征图的尺度不同,N为整数且N≥2;根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,M为整数且2≤M≤N,n为大于1的整数;根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图;根据所述第二特征图,确定所述待处理图像的处理结果。
在一种可能的实现方式中,根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,包括:对所述M个第一特征图进行尺度缩小及融合,得到第三特征图;对所述第三特征图分别进行卷积变换,得到所述第三特征图的码书特征图和所述n个特征码字的第二权重特征图,所述码书特征图和所述第二权重特征图的高度及宽度与所述第三特征图的高度及宽度相同,所述第二权重特征图的通道数与数量n相对应;根据所述码书特征图及所述权重特征图,确定所述n个特征码字,每个特征码字包括特征向量,所述特征向量的长度等于所述码书特征图的通道数。
在一种可能的实现方式中,根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,包括:对所述M个第一特征图进行尺度放大及融合,得到第四特征图;根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,所述第一权重特征图的高度及宽度与所述第四特征图的高度及宽度相同,所述第一权重特征图的通道数与数量n相对应。
在一种可能的实现方式中,根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,包括:对所述码书特征图进行全局池化,得到所述n个特征码字的全局平均向量;根据所述第四特征图与所述全局平均向量,确定所述第一权重特征图。
在一种可能的实现方式中,根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图,包括:对所述第一权重特征图进行重排列,得到所述n个特征码字的权重矩阵;将所述n个特征码字与所述权重矩阵相乘,得到所述n个特征码字的特征矩阵;根据所述n个特征码字的特征矩阵,确定所述第二特征图。
在一种可能的实现方式中,根据所述n个特征码字的特征矩阵,确定所述第二特征图,包括:对所述n个特征码字的特征矩阵进行重排列,得到第五特征图;将所述第五特征图与所述第四特征图进行融合,得到所述第二特征图。
在一种可能的实现方式中,根据所述第二特征图,确定所述待处理图像的处理结果,包括:对所述第二特征图进行卷积变换及上采样,得到所述待处理图像的分割特征图,所述分割特征图的高度及宽度与所述待处理图像的高度及宽度相同;根据所述分割特征图,对所述待处理图像进行分割,得到所述待处理图像的处理结果。
在一种可能的实现方式中,所述待处理图像的处理结果包括所述待处理图像中目标的位置和/或类别。
在一种可能的实现方式中,所述特征码字的数量n大于所述目标的类别数量。
根据本公开的一方面,提供了一种图像处理装置,包括:
特征提取模块,用于对待处理图像进行特征提取,得到所述待处理图像的N个第一特征图,所述N个第一特征图中各个第一特征图的尺度不同,N为整数且N≥2;码字及权重生成模块,用于根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,M为整数且2≤M≤N,n为大于1的整数;特征图确定模块,用于根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图;结果确定模块,用于根据所述第二特征图,确定所述待处理图像的处理结果。
在一种可能的实现方式中,所述码字及权重生成模块包括:尺度缩小及融合子模块,用于对所述M个第一特征图进行尺度缩小及融合,得到第三特征图;变换子模块,用于对所述第三特征图分别进行卷积变换,得到所述第三特征图的码书特征图和所述n个特征码字的第二权重特征图,所述码书特征图和所述第二权重特征图的高度及宽度与所述第三特征图的高度及宽度相同,所述第二权重特征图的通道数与数量n相对应;码字确定子模块,用于根据所述码书特征图及所述权重特征图,确定所述n个特征码字,每个特征码字包括特征向量,所述特征向量的长度等于所述码书特征图的通道数。
在一种可能的实现方式中,所述码字及权重生成模块包括:尺度放大及融合子模块,用于对所述M个第一特征图进行尺度放大及融合,得到第四特征图;权重图确定子模块,用于根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,所述第一权重特征图的高度及宽度与所述第四特征图的高度及宽度相同,所述第一权重特征图的通道数与数量n相对应。
在一种可能的实现方式中,所述权重图确定子模块,用于:对所述码书特征图进行全局池化,得到所述n个特征码字的全局平均向量;根据所述第四特征图与所述全局平均向量,确定所述第一权重特征图。
在一种可能的实现方式中,所述特征图确定模块包括:重排列子模块,用于对所述第一权重特征图进行重排列,得到所述n个特征码字的权重矩阵;相乘子模块,用于将所述n个特征码字与所述权重矩阵相乘,得到所述n个特征码字的特征矩阵;特征图确定子模块,用于根据所述n个特征码字的特征矩阵,确定所述第二特征图。
在一种可能的实现方式中,所述特征图确定子模块,用于:对所述n个特征码字的特征矩阵进行重排列,得到第五特征图;将所述第五特征图与所述第四特征图进行融合,得到所述第二特征图。
在一种可能的实现方式中,所述结果确定模块包括:变换及上采样子模块,用于对所述第二特征图进行卷积变换及上采样,得到所述待处理图像的分割特征图,所述分割特征图的高度及宽度与所述待处理图像的高度及宽度相同;分割子模块,用于根据所述分割特征图,对所述待处理图像进行分割,得到所述待处理图像的处理结果。
在一种可能的实现方式中,所述待处理图像的处理结果包括所述待处理图像中目标的位置和/或类别。
在一种可能的实现方式中,所述特征码字的数量n大于所述目标的类别数量。
根据本公开的一方面,提供了一种电子设备,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调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的实施例,能够提取到图像的N个第一特征图;根据N个第一特征图中的M个特征图,生成多个特征码字及相应的权重特征图,进而得到高分辨率且语义信息丰富的第二特征图;根据第二特征图,确定图像的处理结果,从而能够以较低的计算复杂度,实现高精度的图像处理。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图。
图2示出根据本公开实施例的图像处理方法的图像处理网络的示意图。
图3示出根据本公开实施例的图像处理方法的处理过程的示意图。
图4示出根据本公开实施例的图像处理装置的框图。
图5示出根据本公开实施例的一种电子设备的框图。
图6示出根据本公开实施例的一种电子设备的框图。
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。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,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。
计算机视觉领域中的语义分割是指:针对给定的图像和物体类别集合,通过对图像场景中语义信息的理解,给每个像素判断出一个特定的物体类别,从而实现图像中物体的识别。语义分割在许多领域有着重要的应用价值。例如,自动驾驶领域中的车道线等相关目标区域的智能识别、智能图像编辑任务中的场景分割功能、增强现实AR(AugmentedReality)/同步定位与地图构建SLAM(Simultaneous Localization And Mapping)任务中的语义感知部分,智能医疗领域里的病灶区域的识别和分割等。
基于深度学习的语义感知方法,通常通过端到端的卷积神经网络(例如残差网络)作为语义信息编码器或者基础网络,对图像进行语义信息分析,提取到图像的语义特征图,然后利用全连接层从语义特征图中分析出语义类别分布概率图,从而得到最后的预测结果。然而,语义信息编码器的最后一层网络的输出的语义特征图的分辨率较低,会丢失空间上的细节信息,导致精度变差。
在相关技术中,可能采用编码器-解码器的结构,也即通过解码器逐级提升特征图的分辨率。但由于解码器中的上采样操作属于局部感知的方式,使得得到的高分辨率的语义特征图无法感知更大视野的语义信息,导致分割精度较差。
在相关技术中,还可能采用基于空洞卷积的编码器结构,也即,在编码器的后几个网络块中,用空洞卷积替换掉普通卷积,这样语义特征图的分辨率就不再下降,能够达到较高的精度。然而,该方式使得编码器的后几个网络块中存在特别多的卷积层,带来特别巨大的计算量,导致处理速度下降,使得该方式无法在计算资源受限的硬件上得到广泛应用。
根据本公开的实施例,提供了一种图像处理方法,能够在基本不增加计算复杂度的情况下,得到特征增强的高分辨率特征图,显著提升语义分割的精度。
图1示出根据本公开实施例的图像处理方法的流程图,如图1所示,该方法包括:
在步骤S11中,对待处理图像进行特征提取,得到所述待处理图像的N个第一特征图,所述N个第一特征图中各个第一特征图的尺度不同,N为整数且N≥2;
在步骤S12中,根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,M为整数且2≤M≤N,n为大于1的整数;
在步骤S13中,根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图;
在步骤S14中,根据所述第二特征图,确定所述待处理图像的处理结果。
在一种可能的实现方式中,所述图像处理方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)设备、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
在一种可能的实现方式中,待处理图像可以是图像采集设备(例如摄像头)采集的图像,图像中包括待识别的一个或多个目标,例如人、动物、车辆、物品等。本公开对待处理图像的来源及待处理图像中目标的具体类别不作限制。
在一种可能的实现方式中,在步骤S11中,可通过特征提取网络对待处理图像进行特征提取,得到待处理图像的N个第一特征图,N为整数且N≥2。该特征提取网络可例如包括多个卷积层,每个卷积层输出一个第一特征图;该特征提取网络还可例如为残差网络,包括多级残差网络块(ResBlock),每级残差网络块输出一个第一特征图。本公开对该特征提取网络的具体网络结构不作限制。
在一种可能的实现方式中,N个第一特征图中各个第一特征图的尺度不同。其中,各个第一特征图可为特征提取网络的不同层级的输出,特征图的分辨率(也即特征图的高度和宽度)依次降低,形成特征金字塔。例如,在特征提取网络包括5个层级,步长为2的情况下,各个第一特征图的高度和宽度依次为待处理图像的1/2、1/4、1/8、1/16、1/32,可分别记为OS=2、OS=4、OS=8、OS=16、OS=32。设待处理图像为高度H×宽度W,则OS=8的特征图为高度(H/8)×宽度(W/8)。
在一种可能的实现方式中,特征提取网络的靠后的网络层级(可称为高层级)输出的第一特征图,例如尺度为OS=16、OS=32的第一特征图,分辨率较低,已经丢失了大部分的图像结构细节,但用于分类的语义信息较为丰富;特征提取网络的靠前的网络层级(可称为低层级)输出的第一特征图,例如尺度为OS=4、OS=8的第一特征图,分辨率较高,保留了丰富的图像结构信息,但它们来自相对较浅的层,用于分类的语义信息不够精确,可用于指导上采样过程。因此,可结合多个网络层级输出的第一特征图进行图像处理。
在一种可能的实现方式中,在步骤S12中,可从N个第一特征图中选取M个第一特征图,M为整数且2≤M≤N。例如在第一特征图的尺度包括OS=2、OS=4、OS=8、OS=16、OS=32的情况下,选取OS=8、OS=16、OS=32三个第一特征图进行处理。本公开对第一特征图的选取方式及选取数量均不作限制。
在一种可能的实现方式中,根据该M个第一特征图,可分别生成n个特征码字(codeword,也可称为语义码字,semantic codeword)以及所述n个特征码字的第一权重特征图。也即,可根据低分辨率的第一特征图生成多个特征码字,以捕获全局的语义信息;并根据高分辨率的第一特征图生成多个特征码字的权重特征图(可称为第一权重特征图),以保留图像的结构信息。
在一种可能的实现方式中,特征码字的数量n可大于目标的类别数量。其中,特征码字可被认为是特征图中特征信息的聚类结果,聚类的类别数量越多,捕获到的语义信息也就越丰富。在该情况下,可将特征码字的数量n设置为大于图像中待识别的目标的实际类别数量,从而提高特征增强的效果。
在一种可能的实现方式中,特征码字的数量n可设置为目标的类别数量的大约4倍,例如,数据集中待分割物体的类别为150类时,特征码字的数量n可设置为600;数据集中待分割物体的类别为60类时,特征码字的数量n可设置为256。
应当理解,本领域技术人员可根据实际情况设置特征码字的数量n,本公开对此不作限制。
在一种可能的实现方式中,在步骤S13中,可根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图。其中,可将n个特征码字与重排列后的第一权重特征图相乘,得到特征矩阵;在对特征矩阵重排列及变换后,得到第二特征图。也即,可在权重特征图的每个空间位置对特征码字进行线性组合,以实现特征上采样,恢复图像细节,从而得到高分辨率且语义信息丰富的特征图,即第二特征图。
在一种可能的实现方式中,在步骤S14中,可根据第二特征图,确定待处理图像的处理结果。其中,可直接对第二特征图进行分割,得到分割结果;也可对第二特征图进行进一步的处理,对处理后的特征图进行分割,得到分割结果。
在一种可能的实现方式中,待处理图像的处理结果可为上述的分割结果,也可以是根据实际的图像处理任务,对上述的分割结果进行再次处理得到的结果。例如,在图像编辑类任务中,可根据分割结果区分出前景区域和背景区域,并对前景区域和/或背景区域进行相应的处理,例如对背景区域进行虚化处理等,得到最终的图像处理结果。本公开对特征图的分割方式及处理结果包括的具体内容均不作限制。
根据本公开的实施例,能够提取到图像的N个第一特征图;根据N个第一特征图中的M个特征图,生成多个特征码字及相应的权重特征图,进而得到高分辨率且语义信息丰富的第二特征图;根据第二特征图,确定图像的处理结果,从而能够以较低的计算复杂度,实现高精度的图像处理。
在一种可能的实现方式中,在步骤S11中提取到待处理图像的N个第一特征图后,可在步骤S12中对其中的M个第一特征图进行处理。其中,步骤S12可包括:
对所述M个第一特征图进行尺度缩小及融合,得到第三特征图;
对所述第三特征图分别进行卷积变换,得到所述第三特征图的码书特征图和所述n个特征码字的第二权重特征图,所述码书特征图和所述第二权重特征图的高度及宽度与所述第三特征图的高度及宽度相同,所述第二权重特征图的通道数与数量n相对应;
根据所述码书特征图及所述权重特征图,确定所述n个特征码字,每个特征码字包括特征向量,所述特征向量的长度等于所述码书特征图的通道数。
举例来说,可根据低分辨率的第一特征图生成多个特征码字,以捕获全局的语义信息。可将M个第一特征图中尺度最小的第一特征图作为基准,将除了该第一特征图之外的M-1个特征图的尺度缩小到与该第一特征图的尺度相同。例如,待处理的第一特征图包括OS=8、OS=16、OS=32三个第一特征图,则可以以OS=32的第一特征图为基准,保持OS=32的第一特征图不变,将OS=8、OS=16的两个第一特征图尺度缩小到OS=32。其中,可采用线性抽值、下采样等方式实现第一特征图的尺度缩小,本公开对此不作限制。
在一种可能的实现方式中,可在尺度缩小之前,调整M个第一特征图的通道数,使得M个第一特征图的通道数相同(例如均调整为512),然后进行尺度缩小;也可在完成尺度缩小后,调整M个第一特征图的通道数,使得M个第一特征图的通道数相同,本公开对此不作限制。
在一种可能的实现方式中,可将尺度缩小后的M个第一特征图进行融合,可例如直接对M个第一特征图进行连接,得到融合后的第三特征图;也可在将M个第一特征图连接后,通过1×1的卷积进行变换,得到融合后的第三特征图。融合后的第三特征图的尺度例如为1536×(H/32)×(W/32)。本公开对特征图融合的具体方式及第三特征图的尺度均不作限制。
在一种可能的实现方式中,可设定待生成的特征码字的数量为n个,n为大于1的整数。每个特征码字可以以特征向量的形式表示,特征向量的长度可为预设长度d。d可例如取值为1024,本公开对该预设长度d的具体取值不作限制。
在一种可能的实现方式中,可通过两个1×1的卷积操作,分别对第三特征图进行卷积变换,得到第三特征图的码书特征图和n个特征码字的第二权重特征图。其中,码书(codebook,也可称为语义码书,semantic codebook)包括n个特征码字,码书特征图可表示码书的基础特征;第二权重特征图可表示特征图的各个空间位置的权重。码书特征图和第二权重特征图的高度及宽度与第三特征图的高度及宽度相同;码书特征图的通道数等于特征码字的向量长度d;第二权重特征图的通道数与数量n相对应,例如等于n或为n的倍数。例如,码书特征图的尺度为d×(H/32)×(W/32),第二权重特征图的尺度为n×(H/32)×(W/32)。
在一种可能的实现方式中,对于码书特征图中的任意一个位置(x,y),该位置具有长度为d的特征向量B(x,y),也即码书特征图可包括(H/32)×(W/32)个长度为d的特征向量。在第二权重特征图的通道数为n个的情况下,第二权重特征图的第i个通道的特征图Ai可表示第i个特征码字的权重,尺度例如为1×(H/32)×(W/32),也即第i个特征码字具有(H/32)×(W/32)个权重。为了保证第二权重特征图能够被正确地规范化,可通过softmax函数对每个通道的特征图的各个位置进行规范化,得到规范化后的第二权重特征图。
在一种可能的实现方式中,对于第i个特征码字,根据规范化后的(H/32)×(W/32)个权重,对码书特征图对应位置的(H/32)×(W/32)个特征向量进行加权求和,即可得到第i个特征码字,表示为长度d的向量。这样分别进行处理,可得到n个特征码字,即n个长度为d的向量。n个特征码字可组成码书,尺度为n×d。
通过这种方式,可以得到n个特征码字,实现了图像特征信息的聚类,从而能够在后续处理中根据特征码字实现图像特征信息的增强,提高图像处理的精度。
在一种可能的实现方式中,步骤S12还包括:
对所述M个第一特征图进行尺度放大及融合,得到第四特征图;
根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,所述第一权重特征图的高度及宽度与所述第四特征图的高度及宽度相同,所述第一权重特征图的通道数与数量n相对应。
举例来说,可根据高分辨率的第一特征图生成多个特征码字的权重特征图,以保留图像的结构信息。
在一种可能的实现方式中,可将M个第一特征图中尺度最大的第一特征图作为基准,将除了该第一特征图之外的M-1个特征图的尺度放大到与该第一特征图的尺度相同。例如,待处理的第一特征图包括OS=8、OS=16、OS=32三个第一特征图,则可以以OS=8的第一特征图为基准,保持OS=8的第一特征图不变,将OS=16、OS=32的两个第一特征图尺度放大到OS=8。其中,可采用线性插值、上采样等方式实现第一特征图的尺度放大,本公开对此不作限制。
在一种可能的实现方式中,可在尺度放大之前,调整M个第一特征图的通道数,使得M个第一特征图的通道数相同(例如均调整为512),然后进行尺度放大;也可在完成尺度放大后,调整M个第一特征图的通道数,使得M个第一特征图的通道数相同,本公开对此不作限制。
在一种可能的实现方式中,可将尺度放大后的M个第一特征图进行融合,可例如直接对M个第一特征图进行连接,得到融合后的第四特征图;也可在将尺度放大后的M个第一特征图连接后,通过1×1的卷积进行变换,得到融合后的第四特征图。融合后的第四特征图的尺度例如为1024×(H/8)×(W/8)。本公开对特征图融合的具体方式及第四特征图的尺度均不作限制。
在一种可能的实现方式中,根据第四特征图以及前述步骤中得到的码书特征图,可以生成n个特征码字在高分辨率(例如OS=8)下的权重特征图(也可称为组合系数,assembly coeffcient),以便在保留图像的结构信息的情况下,实现图像特征信息的增强。
在一种可能的实现方式中,根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图的步骤,可包括:
对所述码书特征图进行全局池化,得到所述n个特征码字的全局平均向量;
根据所述第四特征图与所述全局平均向量,确定所述第一权重特征图。
举例来说,可通过全局池化层对码书特征图进行全局池化(Pool)操作,得到n个特征码字的全局平均向量,该向量的长度为d。全局平均向量可包括特征码字的通用码字信息(general codeword information)。
在一种可能的实现方式中,可将全局平均向量与第四特征图相加,得到加入码字信息的高分辨率的特征图;再通过1×1的卷积进行变换,得到n个特征码字的第一权重特征图。该第一权重特征图的高度及宽度与所述第四特征图的高度及宽度相同,第一权重特征图的通道数与数量n相对应。例如,在第四特征图的尺度为OS=8时,第一权重特征图的尺度为n×(H/8)×(W/8)。这样,第一权重特征图的每个通道的特征图可表示一个特征码字的权重,尺度例如为1×(H/8)×(W/8),也即每个特征码字具有(H/8)×(W/8)个权重。
通过这种方式,可以在第四特征图中加入特征码字的信息,生成特征码字在高分辨率下的权重特征图,以便在保留图像的结构信息的情况下,实现图像特征信息的增强。
在一种可能的实现方式中,在步骤S12中得到n个特征码字以及第一权重特征图后,可在步骤S13中进一步处理。其中,步骤S13可包括:
对所述第一权重特征图进行重排列,得到所述n个特征码字的权重矩阵;
将所述n个特征码字与所述权重矩阵相乘,得到所述n个特征码字的特征矩阵;
根据所述n个特征码字的特征矩阵,确定所述第二特征图。
举例来说,n个特征码字组成的码书为矩阵形式,可对第一权重特征图进行重排列以便进行计算。也即,对第一权重特征图进行重排列(也可称为变形,reshape),得到n个特征码字的权重矩阵。例如,在第一权重特征图的尺度为n×(H/8)×(W/8)时,可重排列得到n×(HW/64)的权重矩阵。
在一种可能的实现方式中,可将n个特征码字组成的码书与权重矩阵的转置矩阵进行矩阵相乘,得到n个特征码字的特征矩阵。在码书尺度为n×d时,该特征矩阵的尺度例如为d×(HW/64)。
在一种可能的实现方式中,可将该特征矩阵进行重排列,得到重排列后的特征图,将该特征图作为第二特征图;也可对重排列后的特征图进一步处理,将处理后的特征图作为第二特征图。本公开对此不作限制。
通过这种方式,可重建出高分辨率且语义信息丰富的特征图,实现图像特征信息的增强。
在一种可能的实现方式中,根据所述n个特征码字的特征矩阵,确定所述第二特征图的步骤,可包括:
对所述n个特征码字的特征矩阵进行重排列,得到第五特征图;
将所述第五特征图与所述第四特征图进行融合,得到所述第二特征图。
也就是说,可将该特征矩阵进行重排列,得到重排列后的特征图(称为第五特征图);可对第五特征图与第四特征图进行融合,并将融合后的特征图作为最终的第二特征图,从而减少图像的结构信息的损失。
在一种可能的实现方式中,可例如直接对第五特征图与第四特征图进行连接,得到融合后的特征图;也可在将第五特征图与第四特征图连接后,再通过1×1的卷积进行变换,得到融合后的特征图,作为第二特征图。第二特征图的尺度例如为1024×(H/8)×(W/8)。本公开对特征图融合的具体方式及第二特征图的尺度均不作限制。
通过这种方式,可以减少图像的结构信息的损失,进一步提高图像处理的精度。
在一种可能的实现方式中,在得到待处理图像的第二特征图后,可在步骤S14中进一步处理。其中,步骤S14可包括:
对所述第二特征图进行卷积变换及上采样,得到所述待处理图像的分割特征图,所述分割特征图的高度及宽度与所述待处理图像的高度及宽度相同;
根据所述分割特征图,对所述待处理图像进行分割,得到所述待处理图像的处理结果。
举例来说,可根据图像中目标的类别数量m(m为大于1的整数),通过1×1的卷积进行变换,调整第二特征图的通道数,变换后的第二特征图的尺度例如为m×(H/8)×(W/8);再对变换后的第二特征图进行上采样,得到待处理图像的分割特征图,该分割特征图的高度及宽度与待处理图像的高度及宽度相同,也即OS=1,分割特征图的尺度例如为m×H×W。
在一种可能的实现方式中,可根据分割特征图对待处理图像进行分割,得到所述待处理图像的分割结果。可将该分割结果作为图像的处理结果;也可对该分割结果进行进一步处理,得到图像的处理结果。本公开对此不作限制。
在一种可能的实现方式中,待处理图像的处理结果可包括待处理图像中目标的位置和/或类别。也即,通过图像处理,确定出了图像中各个位置的目标类别(例如人、动物、车辆等类别)。
通过这种方式,可以得到更精确的语义分割结果。
根据本公开实施例的图像处理方法可通过图像处理网络实现,该图像处理网络可为卷积神经网络,包括卷积层、残差层、池化层、全连接层等,本公开对图像处理网络的具体网络结构不作限制。
图2示出根据本公开实施例的图像处理方法的图像处理网络的示意图,如图2所示,该图像处理网络可包括:特征提取网络21、码书生成网络22、权重预测网络23、重建网络24以及分割网络25。
在示例中,特征提取网络21可包括5级残差网络块211,各级残差网络块211的步长为2;将待处理图像26输入特征提取网络21中处理,各级残差网络块211依次输出5个第一特征图,各个第一特征图的高度和宽度依次为待处理图像的1/2、1/4、1/8、1/16、1/32,可分别记为OS=2、OS=4、OS=8、OS=16、OS=32。设待处理图像26为高度H×宽度W,则OS=8的特征图为高度(H/8)×宽度(W/8)。
在示例中,可选取OS=8、OS=16、OS=32三个第一特征图,将这三个特征图分别输入码书生成网络22及权重预测网络23中进行处理,生成n个特征码字(未示出)及n个特征码字的第一权重特征图(未示出)。
在示例中,可将n个特征码字及第一权重特征图输入重建网络24中,得到高分辨率且特征增强的第二特征图(未示出)。尺度为OS=8;再将第二特征图输入分割网络25中进行分割,得到待处理图像26的分割结果27。
图3示出根据本公开实施例的图像处理方法的处理过程的示意图,如图3所示,待处理的三个第一特征图311、312、313的尺度分别为OS=8、OS=16、OS=32;通过码书生成网络先对三个第一特征图311、312、313进行尺度缩小及融合步骤32。将三个第一特征图311、312、313调整为尺度OS=32的三个特征图321、322、323,再融合生成第三特征图324(尺度为OS=32)。
在示例中,根据第三特征图324,可通过码书生成网络进行码书生成步骤33。通过两个1×1的卷积操作,分别对第三特征图324进行卷积变换,得到码书特征图331(尺度为d×(H/32)×(W/32))和第二权重特征图332(尺度为n×(H/32)×(W/32));根据第二权重特征图332中规范化后的权重,与码书特征图中的特征向量进行加权求和,得到n个特征码字,组成码书333,从而完成码书生成的过程。
在示例中,通过权重预测网络先对三个第一特征图311、312、313进行尺度放大及融合步骤34。将三个第一特征图311、312、313调整为尺度OS=8的三个特征图341、342、343,再融合生成第四特征图344(尺度为OS=8)。
在示例中,根据第四特征图344,可通过权重预测网络进行权重预测步骤35。通过1×1的卷积操作,对第四特征图344进行卷积变换,得到尺度为d×(H/8)×(W/8)的特征图351;对码书特征图331进行全局池化,得到全局平均向量;将全局平均向量与第四特征图相加,并卷积变换后,得到第一权重特征图352,尺度为n×(H/8)×(W/8),从而完成权重预测的过程。
在示例中,根据n个特征码字333及第一权重特征图352,可重建得到第五特征图361;再将第五特征图361与第四特征图344进行融合,将融合后的特征图作为最终的第二特征图362,从而完成整个图像特征增强的过程。
在示例中,得到待处理图像的第二特征图后,可根据第二特征图进行图像分割,得到待处理图像的处理结果(未示出)。
在一种可能的实现方式中,在部署上述图像处理网络之前,可对图像处理网络进行训练,根据本公开实施例的图像处理方法还包括:
根据预设的训练集,训练所述图像处理网络,所述训练集包括多个样本图像以及所述多个样本图像的标注信息。
举例来说,可将训练集中的样本图像输入该图像处理网络中处理,得到样本图像的样本处理结果;根据样本图像的样本处理结果与标注信息之间的差异,确定图像处理网络的损失;根据该损失反向调整图像处理网络的网络参数;经过多次迭代,在满足训练条件(例如网络收敛)时,得到训练后的图像处理网络。通过这种方式,可以实现图像处理网络的训练过程。
根据本公开实施例的图像处理方法,能够利用特征提取网络不同层级输出的特征图,根据低分辨率的特征图生成多个特征码字,以捕获全局的语义信息;根据高分辨率的第一特征图生成多个特征码字的权重特征图,以保留图像的结构信息,从而在基本不增加计算复杂度的情况下,得到特征增强的高分辨率特征图,显著提升语义分割的精度;该方法能够兼顾处理速度与处理精度,实现高精度、低功耗的快速处理。
相对于相关技术中以空洞卷积的残差网络为基础的处理方式,根据本公开实施例的图像处理方法去除了计算繁重的空洞卷积,能够在基本不损失语义分割精度的情况下,实现至少3倍的速度提升。
相对于相关技术中基于编码器-解码器的处理方式,根据本公开实施例的图像处理方法通过全局指导的解码器,有效地从多层级语义特征图里重建出高分辨率的语义特征图,能够在基本不增加计算复杂度的情况下,显著提升语义分割精度。
根据本公开实施例的图像处理方法,能够应用于智能视频分析,智能医疗、自动驾驶等应用领域,提高图像的目标识别精度。例如,该方法可应用于自动驾驶场景中的智能感知任务,对车况场景中的汽车、行人、车道线等目标物体的识别分割,从而实现车况的智能感知任务。例如,该方法可应用于智能医疗场景中,对医学影像图进行病灶等目标的轮廓的预判筛选和智能提取,辅助医生的工作,提高医生的处理效率。
在示例中,该方法可应用于图像的检测识别任务,有效改善语义特征图中不合理的特征分布,能够提升图像检测识别性能。
在示例中,该方法可应用于图像与视频的智能编辑任务,自动识别图像中的不同物体,然后针对不同物体采用不同的图像处理流程。例如,在智能手机的人像功能里,需要对人像后面的背景进行虚化处理,实现单反拍照效果。可通过该方法识别出图像中的人像区域,对人像区域以外的位置进行虚化处理。例如,在视频播放的很多场景中需要对人进行智能编辑,可通过该方法识别出图像中的人像,并对人像进行语义分割操作。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图4示出根据本公开实施例的图像处理装置的框图,如图4所示,所述装置包括:
特征提取模块41,用于对待处理图像进行特征提取,得到所述待处理图像的N个第一特征图,所述N个第一特征图中各个第一特征图的尺度不同,N为整数且N≥2;
码字及权重生成模块42,用于根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,M为整数且2≤M≤N,n为大于1的整数;
特征图确定模块43,用于根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图;
结果确定模块44,用于根据所述第二特征图,确定所述待处理图像的处理结果。
在一种可能的实现方式中,所述码字及权重生成模块包括:尺度缩小及融合子模块,用于对所述M个第一特征图进行尺度缩小及融合,得到第三特征图;变换子模块,用于对所述第三特征图分别进行卷积变换,得到所述第三特征图的码书特征图和所述n个特征码字的第二权重特征图,所述码书特征图和所述第二权重特征图的高度及宽度与所述第三特征图的高度及宽度相同,所述第二权重特征图的通道数与数量n相对应;码字确定子模块,用于根据所述码书特征图及所述权重特征图,确定所述n个特征码字,每个特征码字包括特征向量,所述特征向量的长度等于所述码书特征图的通道数。
在一种可能的实现方式中,所述码字及权重生成模块包括:尺度放大及融合子模块,用于对所述M个第一特征图进行尺度放大及融合,得到第四特征图;权重图确定子模块,用于根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,所述第一权重特征图的高度及宽度与所述第四特征图的高度及宽度相同,所述第一权重特征图的通道数与数量n相对应。
在一种可能的实现方式中,所述权重图确定子模块,用于:对所述码书特征图进行全局池化,得到所述n个特征码字的全局平均向量;根据所述第四特征图与所述全局平均向量,确定所述第一权重特征图。
在一种可能的实现方式中,所述特征图确定模块包括:重排列子模块,用于对所述第一权重特征图进行重排列,得到所述n个特征码字的权重矩阵;相乘子模块,用于将所述n个特征码字与所述权重矩阵相乘,得到所述n个特征码字的特征矩阵;特征图确定子模块,用于根据所述n个特征码字的特征矩阵,确定所述第二特征图。
在一种可能的实现方式中,所述特征图确定子模块,用于:对所述n个特征码字的特征矩阵进行重排列,得到第五特征图;将所述第五特征图与所述第四特征图进行融合,得到所述第二特征图。
在一种可能的实现方式中,所述结果确定模块包括:变换及上采样子模块,用于对所述第二特征图进行卷积变换及上采样,得到所述待处理图像的分割特征图,所述分割特征图的高度及宽度与所述待处理图像的高度及宽度相同;分割子模块,用于根据所述分割特征图,对所述待处理图像进行分割,得到所述待处理图像的处理结果。
在一种可能的实现方式中,所述待处理图像的处理结果包括所述待处理图像中目标的位置和/或类别。
在一种可能的实现方式中,所述特征码字的数量n大于所述目标的类别数量。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,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调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备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。
处理组件802通常控制电子设备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,便于处理组件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电子设备800的操作。这些数据的示例包括用于在电子设备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为电子设备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,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备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。当电子设备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),当电子设备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,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备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,如互补金属氧化物半导体(CMOS)或电荷耦合装置(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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(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,电子设备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电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***,例如微软服务器操作***(Windows ServerTM),苹果公司推出的基于图形用户界面操作***(Mac OSXTM),多用户多进程的计算机操作***(UnixTM),自由和开放原代码的类Unix操作***(LinuxTM),开放原代码的类Unix操作***(FreeBSDTM)或类似。
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1932,上述计算机程序指令可由电子设备1900的处理组件1922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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
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 (12)
1.一种图像处理方法,其特征在于,包括:
对待处理图像进行特征提取,得到所述待处理图像的N个第一特征图,所述N个第一特征图中各个第一特征图的尺度不同,N为整数且N≥2;
根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,M为整数且2≤M≤N,n为大于1的整数;
根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图;
根据所述第二特征图,确定所述待处理图像的处理结果。
2.根据权利要求1所述的方法,其特征在于,根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,包括:
对所述M个第一特征图进行尺度缩小及融合,得到第三特征图;
对所述第三特征图分别进行卷积变换,得到所述第三特征图的码书特征图和所述n个特征码字的第二权重特征图,所述码书特征图和所述第二权重特征图的高度及宽度与所述第三特征图的高度及宽度相同,所述第二权重特征图的通道数与数量n相对应;
根据所述码书特征图及所述权重特征图,确定所述n个特征码字,每个特征码字包括特征向量,所述特征向量的长度等于所述码书特征图的通道数。
3.根据权利要求2所述的方法,其特征在于,根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,包括:
对所述M个第一特征图进行尺度放大及融合,得到第四特征图;
根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,所述第一权重特征图的高度及宽度与所述第四特征图的高度及宽度相同,所述第一权重特征图的通道数与数量n相对应。
4.根据权利要求3所述的方法,其特征在于,根据所述第四特征图以及所述码书特征图,确定所述n个特征码字的第一权重特征图,包括:
对所述码书特征图进行全局池化,得到所述n个特征码字的全局平均向量;
根据所述第四特征图与所述全局平均向量,确定所述第一权重特征图。
5.根据权利要求3或4所述的方法,其特征在于,根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图,包括:
对所述第一权重特征图进行重排列,得到所述n个特征码字的权重矩阵;
将所述n个特征码字与所述权重矩阵相乘,得到所述n个特征码字的特征矩阵;
根据所述n个特征码字的特征矩阵,确定所述第二特征图。
6.根据权利要求5所述的方法,其特征在于,根据所述n个特征码字的特征矩阵,确定所述第二特征图,包括:
对所述n个特征码字的特征矩阵进行重排列,得到第五特征图;
将所述第五特征图与所述第四特征图进行融合,得到所述第二特征图。
7.根据权利要求1-6中任意一项所述的方法,其特征在于,根据所述第二特征图,确定所述待处理图像的处理结果,包括:
对所述第二特征图进行卷积变换及上采样,得到所述待处理图像的分割特征图,所述分割特征图的高度及宽度与所述待处理图像的高度及宽度相同;
根据所述分割特征图,对所述待处理图像进行分割,得到所述待处理图像的处理结果。
8.根据权利要求1-7中任意一项所述的方法,其特征在于,所述待处理图像的处理结果包括所述待处理图像中目标的位置和/或类别。
9.根据权利要求8所述的方法,其特征在于,所述特征码字的数量n大于所述目标的类别数量。
10.一种图像处理装置,其特征在于,包括:
特征提取模块,用于对待处理图像进行特征提取,得到所述待处理图像的N个第一特征图,所述N个第一特征图中各个第一特征图的尺度不同,N为整数且N≥2;
码字及权重生成模块,用于根据所述N个第一特征图中的M个第一特征图,生成n个特征码字以及所述n个特征码字的第一权重特征图,M为整数且2≤M≤N,n为大于1的整数;
特征图确定模块,用于根据所述n个特征码字以及所述第一权重特征图,确定所述待处理图像的第二特征图;
结果确定模块,用于根据所述第二特征图,确定所述待处理图像的处理结果。
11.一种电子设备,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调用所述存储器存储的指令,以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020107964107 | 2020-08-10 | ||
CN202010796410 | 2020-08-10 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111931781A true CN111931781A (zh) | 2020-11-13 |
Family
ID=73311523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801553.2A Withdrawn CN111931781A (zh) | 2020-08-10 | 2020-08-11 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931781A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113384872A (zh) * | 2021-05-12 | 2021-09-14 | 网易(杭州)网络有限公司 | 在微端中处理信息资源的方法、装置、电子设备及存储介质 |
CN114830168A (zh) * | 2020-11-16 | 2022-07-29 | 京东方科技集团股份有限公司 | 图像重建方法、电子设备和计算机可读存储介质 |
CN117217627A (zh) * | 2023-11-09 | 2023-12-12 | 宁德市天铭新能源汽车配件有限公司 | 基于机器学习的汽车零部件生产质量优化方法及*** |
-
2020
- 2020-08-11 CN CN202010801553.2A patent/CN111931781A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114830168A (zh) * | 2020-11-16 | 2022-07-29 | 京东方科技集团股份有限公司 | 图像重建方法、电子设备和计算机可读存储介质 |
CN113384872A (zh) * | 2021-05-12 | 2021-09-14 | 网易(杭州)网络有限公司 | 在微端中处理信息资源的方法、装置、电子设备及存储介质 |
CN117217627A (zh) * | 2023-11-09 | 2023-12-12 | 宁德市天铭新能源汽车配件有限公司 | 基于机器学习的汽车零部件生产质量优化方法及*** |
CN117217627B (zh) * | 2023-11-09 | 2024-02-06 | 宁德市天铭新能源汽车配件有限公司 | 基于机器学习的汽车零部件生产质量优化方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US12014275B2 (en) | Method for text recognition, electronic device and storage medium | |
CN110688951B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110378976B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN111507408B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110675409A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109544560B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110503689B (zh) | 位姿预测方法、模型训练方法及装置 | |
CN113822918B (zh) | 场景深度和相机运动预测方法及装置、电子设备和介质 | |
CN110889469A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111340048B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN112258404B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN111931781A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN115239999B (zh) | 蛋白质电子密度图处理方法、装置、电子设备和存储介质 | |
CN112990197A (zh) | 车牌识别方法及装置、电子设备和存储介质 | |
CN114255221A (zh) | 图像处理、缺陷检测方法及装置、电子设备和存储介质 | |
CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
CN111882558A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN114581542A (zh) | 图像预览方法及装置、电子设备和存储介质 | |
CN113283343A (zh) | 人群定位方法及装置、电子设备和存储介质 | |
CN111553865B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN112837237A (zh) | 视频修复方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201113 |
|
WW01 | Invention patent application withdrawn after publication |