CN112749758B - 图像处理方法、神经网络的训练方法、装置、设备和介质 - Google Patents
图像处理方法、神经网络的训练方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112749758B CN112749758B CN202110082319.3A CN202110082319A CN112749758B CN 112749758 B CN112749758 B CN 112749758B CN 202110082319 A CN202110082319 A CN 202110082319A CN 112749758 B CN112749758 B CN 112749758B
- Authority
- CN
- China
- Prior art keywords
- domain image
- image sample
- matching
- features
- target domain
- 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.)
- Active
Links
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法、神经网络的训练方法、装置、设备和介质,涉及人工智能技术领域,尤其涉及深度学习和计算机视觉。实现方案为:将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征,其中,源域图像的匹配特征和目标域图像的匹配特征为源域图像和目标域图像中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;提供源域图像的匹配特征以用于物体姿态估计的训练。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习和计算机视觉,具体涉及一种图像处理方法、神经网络的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
目前,可以通过各种策略进行物体姿态估计,例如,2D关键点直接检测、像素级的热度图预测或者像素级的方向向量场预测。基于深度学习的物体姿态估计的精度取决于训练数据的准确性和丰富性。
然而,对于真实图像,标注数据的时间成本和人力成本较高,并且,人工标注往往不能保证标注的准确性;对于仿真图像,虽然其包含大量带有精确注释的图像,但是,仿真图像与真实图像之间存在明显差异,因而不能被直接用于训练物体姿态估计网络。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、神经网络的训练方法、装置、设备和介质。
根据本公开的一方面,提供了一种图像处理方法,包括:将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征,其中,源域图像的匹配特征和目标域图像的匹配特征为源域图像和目标域图像中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;提供源域图像的匹配特征以用于物体姿态估计的训练。
根据本公开的另一方面,提供了一种神经网络的训练方法,神经网络包括匹配特征提取网络和判别器网络,训练方法包括以下步骤:将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征,其中,源域图像样本的匹配特征和目标域图像样本的匹配特征为源域图像样本和目标域图像样本中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;将源域图像样本的匹配特征输入判别器网络,以计算源域图像样本的匹配特征的判别结果,并且,将目标域图像样本的匹配特征输入判别器网络,以计算目标域图像样本的匹配特征的判别结果;基于目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于第一损失值调整匹配特征提取网络的参数;基于源域图像样本的匹配特征的判别结果和目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于第二损失值调整判别器网络的参数;响应于确定所述第一损失值和所述第二损失值符合预设条件,结束所述训练方法;响应于确定所述第一损失值和所述第二损失值不符合预设条件,获取下一张源域图像样本和下一张目标域图像样本,并重复上述步骤。
根据本公开的另一方面,提供了一种图像处理装置,包括:匹配特征提取模块,被配置为:将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征,其中,源域图像的匹配特征和目标域图像的匹配特征为源域图像和目标域图像中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;匹配特征提供模块,被配置为:提供源域图像的匹配特征以用于物体姿态估计的训练。
根据本公开的另一方面,提供了一种神经网络的训练装置,神经网络包括匹配特征提取网络和判别器网络,训练装置包括:匹配特征提取模块,被配置为:将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征,其中,源域图像样本的匹配特征和目标域图像样本的匹配特征为源域图像样本和目标域图像样本中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;判别器模块,被配置为:将源域图像样本的匹配特征输入判别器网络,以计算源域图像样本的匹配特征的判别结果,并且,将目标域图像样本的匹配特征输入判别器网络,以计算目标域图像样本的匹配特征的判别结果;训练模块,被配置为:基于目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于第一损失值调整匹配特征提取网络的参数;基于源域图像样本的匹配特征的判别结果和目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于第二损失值调整判别器网络的参数;训练控制模块,被配置为:响应于确定所述第一损失值和所述第二损失值符合预设条件,结束训练;响应于确定所述第一损失值和所述第二损失值不符合预设条件,将下一张源域图像样本和下一张目标域图像样本提供至所述匹配特征提取模块,以用于继续训练。
根据本公开的另一方面,还提供了一种电子设备,包括:处理器;以及存储程序的存储器,上述程序包括指令,并且指令在由处理器执行时使处理器执行根据上述的图像处理方法和/或根据上述的训练方法。
根据本公开的另一方面,还提供了一种存储程序的计算机可读存储介质,上述程序包括指令,并且指令在由电子设备的处理器执行时,致使电子设备执行根据上述的图像处理方法和/或根据上述的训练方法。
根据本公开的一个或多个实施例,可以从仿真图像中挖掘出可用于训练物体姿态估计的数据,从而进一步提高物体姿态估计的精确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图;
图2示出了根据本公开的实施例的图像处理方法的流程图;
图3示出了根据本公开的实施例的在图2的过程中的提取源域图像的匹配特征和目标域图像的匹配特征的示例操作的流程图;
图4示出了根据本公开的实施例的匹配特征提取网络的结构图;
图5示出了根据本公开的实施例的在图3的过程中的提取源域图像的匹配特征和目标域图像的匹配特征的示例操作的流程图;
图6示出了根据本公开的实施例的在图4中的匹配特征识别网络的结构图;
图7示出了根据本公开的实施例的训练匹配特征提取网络的过程的流程图;
图8示出了根据本公开的实施例的训练匹配特征提取网络的过程的示意图;
图9示出了根据本公开的实施例的图像处理装置的结构框图;
图10示出了根据本公开的实施例的神经网络训练装置的结构框图;
图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
为了解决现有技术中的真实图像标注成本较高且不够准确、仿真图像与真实图像差异较大的问题,本公开提供了如下所述的图像处理方法,以使用仿真图像来训练物体姿态估计网络。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1,该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行图像处理方法和/或神经网络的训练方法的一个或多个服务或软件应用,其中,图像处理方法可以使用特征提取网络从仿真图像中挖掘出可用于物体姿态估计网络的训练的数据,而神经网络的训练方法可以用于训练该特征提取网络。将理解的是,这不是限制性的,在某些实施例中,客户端设备101、102、103、104、105和106可以具有足够的存储和计算资源以至于它们也能够执行图像处理方法和/或神经网络的训练方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的***配置是可能的,其可以与***100不同。因此,图1是用于实施本文所描述的各种方法的***的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来进行物体姿态估计,例如,基于经训练的物体姿态估计网络来进行物体姿态估计。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***,例如Microsoft Windows、AppleiOS、类UNIX操作***、Linux或类Linux操作***(例如Google Chrome OS);或包括各种移动操作***,例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式***的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
在本公开的示例性实施例中,提供了一种图像处理方法,包括:将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征,其中,源域图像的匹配特征和目标域图像的匹配特征为源域图像和目标域图像中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;提供源域图像的匹配特征以用于物体姿态估计的训练。
图2示出了根据本公开的实施例的图像处理方法200的流程图。在一些实施例中,方法200可以在服务器(例如,图1中所示的服务器120)处执行,也即,方法200的各个步骤的执行主体可以是图1中所示的服务器120。在一些实施例中,方法200可以在客户端设备(例如,图1中所示的客户端设备101、102、103、104、105和106)处执行。在一些实施例中,方法200可以由客户端设备(例如,客户端设备101、102、103、104、105和106)和服务器(例如,服务器120)相组合地执行。在下文中,以执行主体为服务器120为例,详细描述方法200的各个步骤。
在步骤S201中,将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征。
根据一些实施例,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像。根据一些实施例,预定物体姿态参数包括物体的偏移量和旋转量。由于基于预定物体参数而生成源域图像,源域图像具有精准标注的注释信息(即,物体姿态参数)。
根据一些实施例,真实图像为真实拍摄的可用于物体姿态估计学习的图像,例如,真实图像可以包含以多个姿态摆放的多个物体。
根据一些实施例,将源域图像和目标域图像进行匹配,以提取源域图像和目标域图像中的互相匹配的特征,其中,源域图像的匹配特征和目标域图像的匹配特征为源域图像和目标域图像中的互相匹配的特征,例如,源域图像和目标域图像中的较为接近的特征。
在步骤S203中,提供源域图像的匹配特征以用于物体姿态估计的训练。
根据一些实施例,将源域图像的匹配特征,作为物体姿态估计网络的训练数据。
在本公开的实施例所提供的图像处理方法中,通过提取源域图像(即,仿真图像)中的与目标域图像(即,真实图像)匹配的特征,可以针对性地拉近仿真图像和真实图像之间的距离,从而有效地使用仿真图像来进行物体姿态估计网络的训练,以提高物体姿态估计的精度。
根据一些实施例,匹配特征提取网络包括源域特征提取网络、目标域特征提取网络和匹配特征识别网络,将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征包括:将源域图像输入源域特征提取网络,以提取源域图像特征;将目标域图像输入目标域特征提取网络,以提取目标域图像特征;将源域图像特征和目标域图像特征输入匹配特征识别网络,以提取源域图像的匹配特征和目标域图像的匹配特征,其中,源域特征提取网络和目标域特征提取网络的结构和参数均相同,源域图像和目标域图像的图像数量相同。
图3示出了根据本公开的实施例的在图2的过程中的提取源域图像的匹配特征和目标域图像的匹配特征(步骤S201)的示例操作的流程图。
在步骤S301中,将源域图像输入源域特征提取网络,以提取源域图像特征。
在步骤S303中,将目标域图像输入目标域特征提取网络,以提取目标域图像特征。
根据一些实施例,源域图像和目标域图像的图像数量相同。根据一些实施例,源域图像和目标域图像均为多张图像。根据另一些实施例,源域图像和目标域图像均为一张图像。
根据一些实施例,源域特征提取网络和目标域特征提取网络的结构和参数均相同。由于源域特征提取网络和目标域特征提取网络的结构和参数均相同,因此,对源域图像和目标域图像执行了相同的特征提取过程。并且,由于源域特征提取网络和目标域特征提取网络的结构和参数均相同,源域图像和目标域图像中的每张图像的大小均相同,且源域图像和目标域图像中的每张图像的像素数量均相同。
在步骤S305中,将源域图像特征和目标域图像特征输入匹配特征识别网络,以提取源域图像的匹配特征和目标域图像的匹配特征。
图4示出了根据本公开的实施例的匹配特征提取网络400的结构图。如图4所示,匹配特征提取网络400包括源域特征提取网络411、目标域特征提取网络412和匹配特征识别网络413。
如参考步骤S301所描述的,将源域图像401a输入源域特征提取网络411,以提取源域图像特征402a;如参考步骤S303所描述的,将目标域图像401b输入目标域特征提取网络412,以提取目标域图像特征402b。
根据一些实施例,源域特征提取网络411和目标域特征提取网络412的结构和参数均相同。
如参考步骤S305所描述的,将源域图像特征402a和目标域图像特征402b输入匹配特征识别网络413,以提取源域图像的匹配特征403a和目标域图像的匹配特征403b。
根据一些实施例,匹配特征识别网络包括相似度评估网络,将源域图像特征和目标域图像特征输入匹配特征识别网络,以提取源域图像的匹配特征和目标域图像的匹配特征包括:对源域图像特征和目标域图像特征进行通道堆叠,以得到综合图像特征;将综合图像特征输入相似度评估网络,以得到源域图像和目标域图像中的匹配特征分布;对源域图像和目标域图像中的匹配特征分布进行通道拆分,以得到源域图像的匹配特征分布和目标域图像的匹配特征分布;将源域图像的匹配特征分布乘以源域图像特征,以得到源域图像的匹配特征;将目标域图像的匹配特征分布乘以目标域图像特征,以得到目标域图像的匹配特征。
图5示出了根据本公开的实施例的在图3的过程中的提取源域图像的匹配特征和目标域的匹配特征(S305)的示例操作的流程图。
在步骤S501中,对源域图像特征和目标域图像特征进行通道堆叠,以得到综合图像特征。
根据一些实施例,对源域图像特征和目标域图像特征进行通道堆叠为:在通道方向上,堆叠源域图像特征和目标域图像特征。
例如,当源域图像特征和目标域图像特征的大小为N×H×W×C时,其中,N为图像数量,C为通道数,H为高度方向上的像素数量,W为宽度方向上的像素数量,对源域图像特征和目标域图像特征进行通道堆叠所得到的综合图像特征的大小为N×H×W×2C,其中,该综合图像特征的前C个通道的数据对应于源域图像特征,该综合图像特征的后C个通道的数据对应于目标域图像特征。
在步骤S503中,将综合图像特征输入相似度评估网络,以得到源域图像和目标域图像中的匹配特征分布。
根据一些实施例,相似度评估网络对综合图像特征中对应于源域图像特征的部分和对应于目标域图像特征的部分进行相似度计算,以实现源域图像特征和目标域图像特征的匹配。
根据一些实施例,综合图像特征与匹配特征分布的大小相同。例如,当综合图像特征的大小为N×H×W×2C时,匹配特征分布的大小为N×H×W×2C。
根据一些实施例,匹配特征分布的前半部分通道的数据对应于源域图像特征,匹配特征分布的后半部分通道的数据对应于目标域图像特征。例如,当匹配特征分布的大小为N×H×W×2C,其中,匹配特征分布的前C个通道的数据对应于源域图像特征,匹配特征分布的后C个通道的数据对应于目标域图像特征。
在步骤S505中,对源域图像和目标域图像中的匹配特征分布进行通道拆分,以得到源域图像的匹配特征分布和目标域图像的匹配特征分布。
根据一些实施例,对源域图像和目标域图像中的匹配特征分布进行通道拆分为:在通道方向上,将源域图像和目标域图像中的匹配特征拆分为源域图像的匹配特征分布和目标域图像的匹配特征分布。
例如,当综合图像特征的大小为N×H×W×2C,将综合图像特征的前C个通道的数据拆分为源域图像的匹配特征分布,将综合图像特征的后C个通道的数据拆分为目标域图像的匹配特征分布。
在步骤S507中,将源域图像的匹配特征分布乘以源域图像特征,以得到源域图像的匹配特征。
在步骤S509中,将目标域图像的匹配特征分布乘以目标域图像特征,以得到目标域图像的匹配特征。
图6示出了根据本公开的实施例的在图4中的匹配特征识别网络413的结构图。如图6所示,匹配特征识别网络413包括通道堆叠模块611、相似度评估网络612、通道拆分模块613和点乘模块614-615。
如参考步骤S501所描述的,在通道堆叠模块611,对源域图像特征402a和目标域图像特征402b进行堆叠,得到综合图像特征。
如参考步骤S503所描述的,将堆叠所得到的综合图像特征输入相似度评估网络612,以得到源域图像和目标域图像中的匹配特征分布。
如参考步骤S505所描述的,在通道拆分模块613,对源域图像和目标域图像中的匹配特征分布进行拆分,得到源域图像的匹配特征分布404a和目标域图像的匹配特征分布404b。
如参考步骤S507所描述的,在点乘模块614,将源域图像的匹配特征分布404a乘以源域图像特征402a,以得到源域图像的匹配特征403a。
如参考步骤S509所描述的,在点乘模块615,将目标域图像的匹配特征分布404b乘以目标域图像特征402b,以得到目标域图像的匹配特征403b。
根据一些实施例,匹配特征提取网络是通过包括如下步骤的训练过程得到的:将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征;将源域图像样本的匹配特征输入判别器网络,以计算源域图像样本的匹配特征的判别结果,并且,将目标域图像样本的匹配特征输入判别器网络,以计算目标域图像样本的匹配特征的判别结果;基于目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于第一损失值调整匹配特征提取网络的参数;基于源域图像样本的匹配特征的判别结果和目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于第二损失值调整判别器网络的参数;响应于确定所述第一损失值和所述第二损失值符合预设条件,结束所述训练过程;响应于确定所述第一损失值和所述第二损失值不符合预设条件,获取下一张源域图像样本和下一张目标域图像样本,并重复上述步骤。
图7示出了根据本公开的实施例的训练匹配特征提取网络的过程700的流程图。
在步骤S701中,将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征。
在步骤S703中,将源域图像样本的匹配特征输入判别器网络,以计算源域图像样本的匹配特征的判别结果,并且,将目标域图像样本的匹配特征输入判别器网络,以计算目标域图像样本的匹配特征的判别结果。
在步骤S705中,基于目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于第一损失值调整匹配特征提取网络的参数。
根据一些实施例,基于目标域图像样本的匹配特征的判别结果,计算第一损失值包括:根据公式,计算第一损失值,其中,L1为第一损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,其中,N为目标域图像样本的图像数量,Np为每张目标域图像样本中的元素数量。
在步骤S707中,基于源域图像样本的匹配特征的判别结果和目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于第二损失值调整判别器网络的参数。
根据一些实施例,基于源域图像样本和目标域图像样本的匹配特征的判别结果,计算第二损失值包括:根据公式,计算第二损失值,其中,L2为第二损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,Os ij为第i张源域图像样本的匹配特征的判别结果的第j个元素,其中,N为源域图像样本或目标域图像样本的图像数量,Np为每张源域图像样本或每张目标域图像样本中的元素数量。
在步骤S709中,判断判断第一损失值和第二损失值是否符合预设条件,其中,响应于确定第一损失值和第二损失值符合预设条件,进入步骤S711,响应于确定第一损失值或第二损失值不符合预设条件,进入步骤S701。
在步骤S711中,结束训练过程。
由于匹配特征提取网络的目标为使得判别器无法判别输入来自源域或目标域,而判别器网络的目标为尽可能地判别输入来自源域还是目标域,因此,通过匹配特征提取网络和判别器网络的对抗学习,可以逐渐拉近所提取的源域图像的匹配特征和所提取的目标域图像的匹配特征的距离,从而可以从仿真数据中挖掘出可用于物体姿态估计训练的数据。
根据一些实施例,预设条件包括:第一损失值和第二损失值均收敛。
图8示出了根据本公开的实施例的训练匹配特征提取网络的过程800的示意图。
如参考图7中的步骤S701所描述的,将源域图像样本801a和目标域图像样本801b输入匹配特征提取网络811,以提取源域图像样本的匹配特征802a和目标域图像样本的匹配特征802b。
如参考图7的步骤S703所描述的,将源域图像样本的匹配特征802a输入判别器网络812,以计算源域图像样本的匹配特征的判别结果803a,并且,将目标域图像样本的匹配特征802b输入判别器网络812,以计算目标域图像样本的匹配特征的判别结果803b。
如参考图7的步骤S705所描述的,基于目标域图像样本的匹配特征的判别结果803b,计算第一损失值804a,并且,基于第一损失值804a调整匹配特征提取网络811的参数。
如参考图7的步骤S707所描述的,基于源域图像样本的匹配特征的判别结果803a和目标域图像样本的匹配特征的判别结果803b,计算第二损失值804b,并且,基于第二损失值804b调整判别器网络812的参数。
如参考图7的步骤S709所描述的,响应于确定第一损失值804a和第二损失值804b符合预设条件,结束匹配特征提取网络811和判别器网络812的训练。
根据一些实施例,提供一种神经网络的训练方法,神经网络包括匹配特征提取网络和判别器网络,训练方法包括以下步骤:将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征,其中,源域图像样本的匹配特征和目标域图像样本的匹配特征为源域图像样本和目标域图像样本中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;将源域图像样本的匹配特征输入判别器网络,以计算源域图像样本的匹配特征的判别结果,并且,将目标域图像样本的匹配特征输入判别器网络,以计算目标域图像样本的匹配特征的判别结果;基于目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于第一损失值调整匹配特征提取网络的参数;基于源域图像样本的匹配特征的判别结果和目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于第二损失值调整判别器网络的参数;响应于确定所述第一损失值和所述第二损失值符合预设条件,结束所述训练方法;响应于确定所述第一损失值和所述第二损失值不符合预设条件,获取下一张源域图像样本和下一张目标域图像样本,并重复上述步骤。
根据一些实施例,匹配特征提取网络包括源域特征提取网络、目标域特征提取网络和匹配特征识别网络,将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征包括:将源域图像样本输入源域特征提取网络,以提取源域图像样本特征;将目标域图像样本输入目标域特征提取网络,以提取目标域图像样本特征;将源域图像样本特征和目标域图像样本特征输入匹配特征识别网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征,其中,源域特征提取网络和目标域特征提取网络的结构和参数均相同,源域图像样本和目标域图像样本的图像数量相同。
根据一些实施例,匹配特征识别网络包括相似度评估网络,将源域图像样本特征和目标域图像样本特征输入匹配特征识别网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征包括:对源域图像样本特征和目标域图像样本特征进行通道堆叠,以得到综合图像特征;将综合图像特征输入相似度评估网络,以得到源域图像样本和目标域图像样本中的匹配特征分布;对源域图像样本和目标域图像样本中的匹配特征分布进行通道拆分,以得到源域图像样本的匹配特征分布和目标域图像样本的匹配特征分布;将源域图像样本特征的匹配特征分布乘以源域图像样本特征,以得到源域图像样本的匹配特征;将目标域图像样本特征的匹配特征分布乘以目标域图像样本特征,以得到目标域图像样本的匹配特征。
根据一些实施例,基于目标域图像样本的匹配特征的判别结果,计算第一损失值包括:根据公式,计算第一损失值,其中,L1为第一损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,其中,N为目标域图像样本的图像数量,Np为每张目标域图像样本中的元素数量。
根据一些实施例,基于源域图像样本和目标域图像样本的匹配特征的判别结果,计算第二损失值包括:根据公式,计算第二损失值,其中,L2为第二损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,Os ij为第i张源域图像样本的匹配特征的判别结果的第j个元素,其中,N为源域图像样本或目标域图像样本的图像数量,Np为每张源域图像样本或每张目标域图像样本中的元素数量。
根据一些实施例,预设条件包括:第一损失值和第二损失值均收敛。
图9示出了根据本公开的实施例的图像处理装置900的结构框图。
根据一些实施例,图像处理装置900,包括:匹配特征提取模块901和匹配特征提供模块902。其中,匹配特征提取模块901被配置为:将源域图像和目标域图像输入匹配特征提取网络,以提取源域图像的匹配特征和目标域图像的匹配特征,其中,源域图像的匹配特征和目标域图像的匹配特征为源域图像和目标域图像中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像;匹配特征提供模块902被配置为:提供源域图像的匹配特征以用于物体姿态估计的训练。
图10示出了根据本公开的实施例的神经网络训练装置1000的结构框图,其中,该神经网络包括匹配特征提取网络和判别器网络。
根据一些实施例,训练装置1000包括:匹配特征提取模块1001、判别器模块1002、训练模块1003和训练控制模块1004。
匹配特征提取模块1001被配置为:将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取源域图像样本的匹配特征和目标域图像样本的匹配特征,其中,源域图像样本的匹配特征和目标域图像样本的匹配特征为源域图像样本和目标域图像样本中的互相匹配的特征,源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,目标域图像为真实拍摄的适用于物体姿态估计学习的真实图像。
判别器模块1002被配置为:将源域图像样本的匹配特征输入判别器网络,以计算源域图像样本的匹配特征的判别结果,并且,将目标域图像样本的匹配特征输入判别器网络,以计算目标域图像样本的匹配特征的判别结果。
训练模块1003被配置为:基于目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于第一损失值调整匹配特征提取网络的参数;基于源域图像样本的匹配特征的判别结果和目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于第二损失值调整判别器网络的参数。
训练控制模块1004,被配置为:响应于确定所述第一损失值和所述第二损失值符合预设条件,结束训练;响应于确定所述第一损失值和所述第二损失值不符合预设条件,将下一张源域图像样本和下一张目标域图像样本提供至所述匹配特征提取模块1001,以用于继续训练。
应当理解,图10中所示装置1000的各个模块可以与参考图7描述的方法700中的各个步骤相对应。由此,上面针对方法700描述的操作、特征和优点同样适用于装置1000及其包括的模块。为了简洁起见,某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。本文讨论的特定模块执行动作包括该特定模块本身执行该动作,或者替换地该特定模块调用或以其他方式访问执行该动作(或结合该特定模块一起执行该动作)的另一个组件或模块。因此,执行动作的特定模块可以包括执行动作的该特定模块本身和/或该特定模块调用或以其他方式访问的、执行动作的另一模块。
还应当理解,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图10描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些模块可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些模块可以被实现为硬件逻辑/电路。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图11,现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向设备1100输入信息的任何类型的设备,输入单元1106可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1107可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1108可以包括但不限于磁盘、光盘。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如方法200、700或其变型。例如,在一些实施例中,方法200、700或其变型可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的方法200、700或其变型的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200、700或其变型。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种图像处理方法,包括:
将源域图像和目标域图像输入匹配特征提取网络,以提取所述源域图像的匹配特征和所述目标域图像的匹配特征,
其中,所述源域图像的匹配特征和所述目标域图像的匹配特征为所述源域图像和所述目标域图像中的互相匹配的特征,所述互相匹配的特征是根据相似度计算确定的具有相似度的特征,所述源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,所述源域图像具有包括物理姿态参数的注释信息,所述目标域图像为真实拍摄且包括以多个姿态摆放的多个物体的真实图像;以及
提供所述源域图像的匹配特征,
其中,所述匹配特征提取网络是通过包括如下步骤的训练过程得到的:
将源域图像样本和目标域图像样本输入所述匹配特征提取网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征;
将所述源域图像样本的匹配特征输入判别器网络,以计算所述源域图像样本的匹配特征的判别结果,并且,将所述目标域图像样本的匹配特征输入所述判别器网络,以计算所述目标域图像样本的匹配特征的判别结果;
基于所述目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于所述第一损失值调整所述匹配特征提取网络的参数;
基于所述源域图像样本的匹配特征的判别结果和所述目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于所述第二损失值调整所述判别器网络的参数;以及
响应于确定所述第一损失值和所述第二损失值符合预设条件,结束所述训练过程,并且
响应于确定所述第一损失值和所述第二损失值不符合预设条件,获取下一张源域图像样本和下一张目标域图像样本,并重复上述训练步骤。
2.如权利要求1所述的图像处理方法,其中,所述匹配特征提取网络包括源域特征提取网络、目标域特征提取网络和匹配特征识别网络,所述将所述源域图像和所述目标域图像输入所述匹配特征提取网络,以提取所述源域图像的匹配特征和所述目标域图像的匹配特征包括:
将所述源域图像输入所述源域特征提取网络,以提取源域图像特征;
将所述目标域图像输入所述目标域特征提取网络,以提取目标域图像特征;以及
将所述源域图像特征和所述目标域图像特征输入所述匹配特征识别网络,以提取所述源域图像的匹配特征和所述目标域图像的匹配特征,
其中,所述源域特征提取网络和所述目标域特征提取网络的结构和参数均相同,所述源域图像和所述目标域图像的图像数量相同。
3.如权利要求2所述的图像处理方法,其中,所述匹配特征识别网络包括相似度评估网络,所述将所述源域图像特征和所述目标域图像特征输入所述匹配特征识别网络,以提取所述源域图像的匹配特征和所述目标域图像的匹配特征包括:
通过在通道方向上堆叠所述源域图像特征和所述目标域图像特征来对所述源域图像特征和所述目标域图像特征进行通道堆叠,以得到综合图像特征;
将所述综合图像特征输入所述相似度评估网络,以得到所述源域图像和所述目标域图像中的匹配特征分布;
对所述源域图像和所述目标域图像中的匹配特征分布进行通道拆分,以得到所述源域图像的匹配特征分布和所述目标域图像的匹配特征分布;
将所述源域图像的匹配特征分布乘以所述源域图像特征,以得到所述源域图像的匹配特征;以及
将所述目标域图像的匹配特征分布乘以所述目标域图像特征,以得到所述目标域图像的匹配特征。
4.根据权利要求1所述的图像处理方法,其中,所述基于所述目标域图像样本的匹配特征的判别结果,计算第一损失值包括:
根据公式,计算第一损失值,
其中,L1为第一损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,其中,N为所述目标域图像样本的图像数量,Np为每张目标域图像样本中的元素数量。
5.根据权利要求1所述的图像处理方法,其中,所述基于所述源域图像样本和所述目标域图像样本的匹配特征的判别结果,计算第二损失值包括:
根据公式,计算所述第二损失值,
其中,L2为第二损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,Os ij为第i张源域图像样本的匹配特征的判别结果的第j个元素,其中,N为所述源域图像样本或目标域图像样本的图像数量,Np为每张源域图像样本或每张目标域图像样本中的元素数量。
6.根据权利要求1-5中任一项所述的图像处理方法,其中,所述预设条件包括:所述第一损失值和所述第二损失值均收敛。
7.一种神经网络的训练方法,所述神经网络包括匹配特征提取网络和判别器网络,所述训练方法包括以下步骤:
将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征,
其中,所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征为所述源域图像样本和所述目标域图像样本中的互相匹配的特征,所述互相匹配的特征是根据相似度计算确定的具有相似度的特征,所述源域图像样本为基于预定物体姿态参数进行渲染而生成的仿真图像,所述源域图像样本具有包括物理姿态参数的注释信息,所述目标域图像样本为真实拍摄包括以多个姿态摆放的多个物体的真实图像;以及
将所述源域图像样本的匹配特征输入所述判别器网络,以计算所述源域图像样本的匹配特征的判别结果,并且,将所述目标域图像样本的匹配特征输入所述判别器网络,以计算所述目标域图像样本的匹配特征的判别结果;
基于所述目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于所述第一损失值调整所述匹配特征提取网络的参数;
基于所述源域图像样本的匹配特征的判别结果和所述目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于所述第二损失值调整所述判别器网络的参数;以及
响应于确定所述第一损失值和所述第二损失值符合预设条件,结束所述训练方法,并且
响应于确定所述第一损失值和所述第二损失值不符合预设条件,获取下一张源域图像样本和下一张目标域图像样本,并重复上述步骤。
8.如权利要求7所述的训练方法,其中,所述匹配特征提取网络包括源域特征提取网络、目标域特征提取网络和匹配特征识别网络,所述将所述源域图像样本和所述目标域图像样本输入所述匹配特征提取网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征包括:
将所述源域图像样本输入所述源域特征提取网络,以提取源域图像样本特征;
将所述目标域图像样本输入所述目标域特征提取网络,以提取目标域图像样本特征;以及
将所述源域图像样本特征和所述目标域图像样本特征输入所述匹配特征识别网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征,
其中,所述源域特征提取网络和所述目标域特征提取网络的结构和参数均相同,所述源域图像样本和所述目标域图像样本的图像数量相同。
9.根据权利要求8所述的训练方法,其中,所述匹配特征识别网络包括相似度评估网络,所述将所述源域图像样本特征和所述目标域图像样本特征输入所述匹配特征识别网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征包括:
通过在通道方向上堆叠所述源域图像特征和所述目标域图像特征来对所述源域图像样本特征和所述目标域图像样本特征进行通道堆叠,以得到综合图像特征;
将所述综合图像特征输入所述相似度评估网络,以得到所述源域图像样本和所述目标域图像样本中的匹配特征分布;
对所述源域图像样本和所述目标域图像样本中的匹配特征分布进行通道拆分,以得到所述源域图像样本的匹配特征分布和所述目标域图像样本的匹配特征分布;
将所述源域图像样本的匹配特征分布乘以所述源域图像样本特征,以得到所述源域图像样本的匹配特征;以及
将所述目标域图像样本的匹配特征分布乘以所述目标域图像样本特征,以得到所述目标域图像样本的匹配特征。
10.根据权利要求7-9中任一项所述的训练方法,其中,所述基于所述目标域图像样本的匹配特征的判别结果,计算第一损失值包括:
根据公式,计算第一损失值,
其中,L1为第一损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,其中,N为所述目标域图像样本的图像数量,Np为每张目标域图像样本中的元素数量。
11.根据权利要求7-9中任一项所述的训练方法,其中,所述基于所述源域图像样本和所述目标域图像样本的匹配特征的判别结果,计算第二损失值包括:
根据公式,计算所述第二损失值,
其中,L2为第二损失值,Ot ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素,Os ij为第i张源域图像样本的匹配特征的判别结果的第j个元素,其中,N为所述源域图像样本或目标域图像样本的图像数量,Np为每张源域图像样本或每张目标域图像样本中的元素数量。
12.根据权利要求7-9中任一项所述的训练方法,其中,所述预设条件包括:所述第一损失值和所述第二损失值均收敛。
13.一种图像处理装置,包括:
匹配特征提取模块,被配置为:将源域图像和目标域图像输入匹配特征提取网络,以提取所述源域图像的匹配特征和所述目标域图像的匹配特征,
其中,所述源域图像的匹配特征和所述目标域图像的匹配特征为所述源域图像和所述目标域图像中的互相匹配的特征,所述互相匹配的特征是根据相似度计算确定的具有相似度的特征,所述源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像,所述源域图像具有包括物理姿态参数的注释信息,所述目标域图像为真实拍摄且包括以多个姿态摆放的多个物体的真实图像;以及
匹配特征提供模块,被配置为:提供所述源域图像的匹配特征,
其中,所述匹配特征提取网络是通过包括如下步骤的训练过程得到的:
将源域图像样本和目标域图像样本输入所述匹配特征提取网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征;
将所述源域图像样本的匹配特征输入判别器网络,以计算所述源域图像样本的匹配特征的判别结果,并且,将所述目标域图像样本的匹配特征输入所述判别器网络,以计算所述目标域图像样本的匹配特征的判别结果;
基于所述目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于所述第一损失值调整所述匹配特征提取网络的参数;
基于所述源域图像样本的匹配特征的判别结果和所述目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于所述第二损失值调整所述判别器网络的参数;以及
响应于确定所述第一损失值和所述第二损失值符合预设条件,结束所述训练过程,并且
响应于确定所述第一损失值和所述第二损失值不符合预设条件,获取下一张源域图像样本和下一张目标域图像样本,并重复上述训练步骤。
14.一种神经网络的训练装置,所述神经网络包括匹配特征提取网络和判别器网络,所述训练装置包括:
匹配特征提取模块,被配置为:将源域图像样本和目标域图像样本输入匹配特征提取网络,以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征,
其中,所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征为所述源域图像样本和所述目标域图像样本中的互相匹配的特征,所述互相匹配的特征是根据相似度计算确定的具有相似度的特征,所述源域图像样本为基于预定物体姿态参数进行渲染而生成的仿真图像,所述源域图像具有包括物理姿态参数的注释信息,所述目标域图像样本为真实拍摄且包括以多个姿态摆放的多个物体的真实图像;
判别器模块,被配置为:将所述源域图像样本的匹配特征输入所述判别器网络,以计算所述源域图像样本的匹配特征的判别结果,并且,将所述目标域图像样本的匹配特征输入所述判别器网络,以计算所述目标域图像样本的匹配特征的判别结果;
训练模块,被配置为:
基于所述目标域图像样本的匹配特征的判别结果,计算第一损失值,并且,基于所述第一损失值调整所述匹配特征提取网络的参数;以及
基于所述源域图像样本的匹配特征的判别结果和所述目标域图像样本的匹配特征的判别结果,计算第二损失值,并且,基于所述第二损失值调整所述判别器网络的参数;以及
训练控制模块,被配置为:
响应于确定所述第一损失值和所述第二损失值符合预设条件,结束训练;以及
响应于确定所述第一损失值和所述第二损失值不符合预设条件,将下一张源域图像样本和下一张目标域图像样本提供至所述匹配特征提取模块,以用于继续训练。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-12中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110082319.3A CN112749758B (zh) | 2021-01-21 | 2021-01-21 | 图像处理方法、神经网络的训练方法、装置、设备和介质 |
EP21195780.8A EP3910553A3 (en) | 2021-01-21 | 2021-09-09 | Image processing method, training method for a neural network, device and medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110082319.3A CN112749758B (zh) | 2021-01-21 | 2021-01-21 | 图像处理方法、神经网络的训练方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112749758A CN112749758A (zh) | 2021-05-04 |
CN112749758B true CN112749758B (zh) | 2023-08-11 |
Family
ID=75652799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110082319.3A Active CN112749758B (zh) | 2021-01-21 | 2021-01-21 | 图像处理方法、神经网络的训练方法、装置、设备和介质 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP3910553A3 (zh) |
CN (1) | CN112749758B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592015B (zh) * | 2021-08-06 | 2022-09-27 | 北京百度网讯科技有限公司 | 定位以及训练特征匹配网络的方法和装置 |
CN114005177B (zh) * | 2021-10-29 | 2023-09-19 | 北京百度网讯科技有限公司 | 人物交互检测方法、神经网络及其训练方法、设备和介质 |
CN114387649A (zh) * | 2022-01-11 | 2022-04-22 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备以及存储介质 |
CN114549948B (zh) * | 2022-02-16 | 2023-06-30 | 北京百度网讯科技有限公司 | 深度学习模型的训练方法、图像识别方法、装置和设备 |
CN115049780A (zh) * | 2022-05-26 | 2022-09-13 | 北京京东尚科信息技术有限公司 | 深度渲染模型训练方法和装置、目标渲染方法和装置 |
CN115170536B (zh) * | 2022-07-22 | 2023-05-05 | 北京百度网讯科技有限公司 | 图像检测方法、模型的训练方法和装置 |
CN116662415B (zh) * | 2023-07-28 | 2023-10-20 | 泰山学院 | 基于数据挖掘的智能匹配方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321813A (zh) * | 2019-06-18 | 2019-10-11 | 南京信息工程大学 | 基于行人分割的跨域行人重识别方法 |
WO2019228358A1 (zh) * | 2018-05-31 | 2019-12-05 | 华为技术有限公司 | 深度神经网络的训练方法和装置 |
CN111652121A (zh) * | 2020-06-01 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 一种表情迁移模型的训练方法、表情迁移的方法及装置 |
WO2020186914A1 (zh) * | 2019-03-20 | 2020-09-24 | 北京沃东天骏信息技术有限公司 | 行人再识别方法、装置及存储介质 |
CN111832605A (zh) * | 2020-05-22 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 无监督图像分类模型的训练方法、装置和电子设备 |
CN112148906A (zh) * | 2020-09-18 | 2020-12-29 | 南京航空航天大学 | 基于修正的CycleGAN模型的声纳图像库构建方法 |
-
2021
- 2021-01-21 CN CN202110082319.3A patent/CN112749758B/zh active Active
- 2021-09-09 EP EP21195780.8A patent/EP3910553A3/en not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019228358A1 (zh) * | 2018-05-31 | 2019-12-05 | 华为技术有限公司 | 深度神经网络的训练方法和装置 |
WO2020186914A1 (zh) * | 2019-03-20 | 2020-09-24 | 北京沃东天骏信息技术有限公司 | 行人再识别方法、装置及存储介质 |
CN110321813A (zh) * | 2019-06-18 | 2019-10-11 | 南京信息工程大学 | 基于行人分割的跨域行人重识别方法 |
CN111832605A (zh) * | 2020-05-22 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 无监督图像分类模型的训练方法、装置和电子设备 |
CN111652121A (zh) * | 2020-06-01 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 一种表情迁移模型的训练方法、表情迁移的方法及装置 |
CN112148906A (zh) * | 2020-09-18 | 2020-12-29 | 南京航空航天大学 | 基于修正的CycleGAN模型的声纳图像库构建方法 |
Non-Patent Citations (1)
Title |
---|
Mahdi Rad 等.Feature Mapping for Learning Fast and Accurate 3D Pose Inference from Synthetic Images.arXiv.2018,第1-14页. * |
Also Published As
Publication number | Publication date |
---|---|
EP3910553A3 (en) | 2022-07-06 |
CN112749758A (zh) | 2021-05-04 |
EP3910553A2 (en) | 2021-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112749758B (zh) | 图像处理方法、神经网络的训练方法、装置、设备和介质 | |
CN113836333B (zh) | 图文匹配模型的训练方法、实现图文检索的方法、装置 | |
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
CN112749685B (zh) | 视频分类方法、设备和介质 | |
WO2023019948A1 (zh) | 多模态信息库的检索方法、管理方法、装置、设备和介质 | |
CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN113810765B (zh) | 视频处理方法、装置、设备和介质 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
US20220004801A1 (en) | Image processing and training for a neural network | |
CN114140852B (zh) | 图像检测方法和装置 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN115359309A (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN114117046B (zh) | 数据处理方法、装置、电子设备及介质 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN115578451B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
CN114677691B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN114120420B (zh) | 图像检测方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |