CN115511779B - 图像检测方法、装置、电子设备和存储介质 - Google Patents
图像检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115511779B CN115511779B CN202210861722.0A CN202210861722A CN115511779B CN 115511779 B CN115511779 B CN 115511779B CN 202210861722 A CN202210861722 A CN 202210861722A CN 115511779 B CN115511779 B CN 115511779B
- Authority
- CN
- China
- Prior art keywords
- feature
- scale
- obtaining
- detection result
- output
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 230000004927 fusion Effects 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 12
- 238000011176 pooling Methods 0.000 claims description 12
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像检测方法、装置、电子设备和存储介质，涉及人工智能技术领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，尤其涉及3D视觉、虚拟现实等场景。实现方案为：获取目标图像，目标图像包括目标对象；获得目标图像的对应于多个尺度的多个特征图；基于多个特征图，获得多尺度融合特征；以及基于多尺度融合特征，获得目标对象的检测结果，检测结果指示目标对象的三维空间信息。
Description
技术领域
本公开涉及人工智能技术领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，尤其涉及3D视觉、虚拟现实等场景，具体涉及一种图像检测方法、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。
利用深度学习技术进行基于单目图像的3D检测，基于2D图像估计图像中的三维空间信息。如何提升所估计的三维空间信息的准确性，是人们永远关注的问题。
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检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种图像检测方法，包括：获取目标图像，所述目标图像包括目标对象；将所述目标图像输入至包含多个卷积层的卷积网络，以所述多个卷积层中的每一个卷积层的输出；基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图；基于所述多个特征图，获得多尺度融合特征；以及基于所述多尺度融合特征，获得所述目标对象的检测结果，所述检测结果指示所述目标对象的三维空间信息。
根据本公开的另一方面，提供了一种图像检测装置，包括：图像获取单元，被配置用于获取目标图像，所述目标图像包括目标对象；图像输入单元，被配置用于将所述目标图像输入至包含多个卷积层的卷积网络，以所述多个卷积层中的每一个卷积层的输出；特征图获取单元，被配置用于基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图；融合特征获取单元，被配置用于基于所述多个特征图，获得多尺度融合特征；以及检测结果获取单元，被配置用于基于所述多尺度融合特征，获得所述目标对象的检测结果，所述检测结果指示所述目标对象的三维空间信息。
根据本公开的另一方面，提供了一种电子设备，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根据本公开的实施例所述的方法。
根据本公开的另一方面，提供了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所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例，在基于2D图像进行3D检测的过程中，针对具有不同尺度的对象的2D图像，均具有相应的感受野，使得所获得的检测结果中的目标对象的三维空间信息准确。
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检测方法的流程图；
图3示出了根据本公开的实施例的图像检测方法中基于多个卷积层的多个输出获得多个特征图的过程的流程图；
图4示出了根据本公开的实施例的图像检测方法中获得与该输出相应的对应于多个通道中的每一个通道的权重的过程的流程图；
图5示出了根据本公开的实施例的图像检测方法中基于多个特征图获得多尺度融合特征的过程的流程图；
图6示出了根据本公开的实施例的图像检测方法中基于多尺度融合特征获得目标对象的检测结果的流程图；
图7示出了根据本公开的实施例的图像检测方法中图像检测模型的示意图；
图8示出了根据本公开的实施例的图像检测装置的结构框图；以及
图9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要素与另一要素区分开。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。
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检测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还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。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来接收三维空间信息。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、智能屏设备、自助服务终端设备、服务机器人、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、APPLE iOS、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 WindowsMobile 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(诸如智能眼镜)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、区块链网络、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/或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/或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。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器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使用的数据库例如可以是关系数据库。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。
根据本公开的一方面，提供了一种图像检测方法。如图2所示，图像检测方法200包括：
步骤S210：获取目标图像，所述目标图像包括目标对象；
步骤S220：将所述目标图像输入至包含多个卷积层的卷积网络，以所述多个卷积层中的每一个卷积层的输出；
步骤S230：基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图；
步骤S240：基于所述多个特征图，获得多尺度融合特征；以及
步骤S250：基于所述多尺度融合特征，获得所述目标对象的检测结果，所述检测结果指示所述目标对象的三维空间信息。
在基于2D图像进行3D检测的过程中，针对具有不同尺度的对象的2D图像，均具有相应的感受野，使得所获得的检测结果中的目标对象的三维空间信息准确。
在相关技术中，基于2D图像进行3D检测的过程中，通过3D物体投影到2D图像上的关键点，预测3D物体的空间属性，例如深度信息。由于3D检测过程中强烈依赖于单个尺度来估计整个场景的障碍物3D属性，而针对场景复杂，3D物体往往具有尺度多样性，在单尺度模式下无法兼顾到每个尺度不同的特性，影响3D检测的准确性。
在根据本公开的实施例中，通过获得2D目标图像的对应于多个尺度的多个特征图，并基于该多个特征图获得多尺度融合特征，该多尺度融合特征中融合有目标图像在不同尺度下的空间信息，使得基于多尺度融合特征获得检测结果的过程中能够考虑不同尺度下的空间信息，在多尺度的情况下均具有相应的感受能力，增加了感受野，使得所获得的检测结果中目标对象的三维空间信息准确。
同时，通过将目标图像输入至包括多个卷积层的卷积网络，并获得每个卷积层的输出，基于每个卷积层的输出获得多个特征图，方法简单、数据处理量少。
在一些实施例中，目标图像可以是单目摄像头获得的图像。例如车载单目摄像头获得的图像。
在一些实施例中，目标对象可以是目标图像中需要对其进行3D检测任一对象。例如，目标对象为车辆、行人、信号灯等。
在一些实施例中，所述三维空间信息包括位置信息、三维空间尺寸信息或者朝向角信息。例如，三维空间尺寸信息包括目标对象的长、宽、高等。
在一些实施例中，检测结果还指示目标对象的在多个分类中的相应分类。
在一些实施例中，采用多个经训练的特征提取网络对所述目标图像进行特征提取，以获得目标图像的对应于多个尺度的多个特征图。其中，多个经训练的特征提取网络分别与多个尺度相应，以提取相应尺度的特征图。
在一些实施例中，所述卷积网络是采用包含训练图像的训练图像集进行训练而获得的，所述训练图像集还包括将所述训练图像的尺寸进行缩放后获得的多个其他训练图像。
通过在训练卷积网络的过程中进一步采用由训练图像进行缩放后获得的多种尺寸的图像进行训练，进一步提升卷积网络的感受野，使得经多个卷积层的输出获得的多个特征图在不同尺度上所体现的空间信息准确。
在一些实施例中，将该多个卷积层的多个输出作为该多个特征图。
在一些实施例中，所述多个输出中的每一个输出对应于多个通道，如图3所示，基于所述多个卷积层的多个输出，获得所述多个特征图包括：
步骤S310：针对所述多个输出中的每一个输出，获得与该输出相应的对应于多个通道中的每一个通道的权重；
步骤S320：针对所述多个输出中的每一个输出，基于该输出对应于多个通道的多个权重，获得经更新的输出；以及
步骤S330：基于所述多个输出对应的多个经更新的输出，获得所述多个特征图。
在不同尺度的特征图上，不同通道上的特征对检测结果的重要性不同。通过获得每个输出对应于多个通道的权重，基于权重，获得多个特征图，使得在每个尺度的输出上，针对不同的特征通道，就有不同的关注权重，使获得检测结果的过程中能够关注每个尺度上有利于提升检测结果的准确性的更应该关注到的通道的特征，使最终获得的检测结果进一步准确。
在一些实施例中，如图4所示，获得与该输出相应的对应于多个通道中的每一个通道的权重包括：
步骤S410：将该输出输入全局池化网络，以获得第一特征，所述全局池化网络用于聚合该输出中的空间维度的信息；以及
步骤S420：基于所述第一特征，获得所述输出对应的多个通道中的每一通道的权重。
利用全局池化网络聚合各个尺度的输出中的空间维度的信息，使得所获得的权重是针对空间维度的信息获得的，提升所获得的各个尺度的特征度包括该特征图中的各个通道中对有利于获得空间维度的信息的特征的关注度，使最终获得的检测结果进一步准确。
例如，对于第一特征，维度为C×H×W，其中，C为通道数，H和W分别为高度和宽度。将第一特征Fi输入全局池化网络之后，通过全局池化网络将空间维度的信息聚合起来，得到维度C×1的特征。通过将维度为C×1的特征输入全链接层，得到维度C×1的尺度信息，该尺度信息指示各个通道的权重。通过将该尺度信息与第一特征Fi相乘，获得该尺度下的特征图。
在一些实施例中，如图5所示，基于所述多个特征图，获得多尺度融合特征包括：
步骤S510：将所述多个特征图中的每一个特征图的尺度调整至第一尺度，所述第一尺度不小于所述多个尺度中的最大尺度；以及
步骤S520：将所述多个特征图对应的多个调整后的特征图进行特征融合，以获得所述多尺度融合特征。
通过将多个尺度的特征图调整到统一的尺度后进行融合，实现多尺度融合特征的获得。
在一些实施例中，通过将每一个特征图输入到反卷积网络，以调整到第一尺度。
在一些实施例中，将所述多个特征图对应的多个调整后的特征进行特征融合包括：将所述多个调整后的特征在通道方向上堆叠。
通过直接将多个调整后的特征在通道上堆叠，使得获得多尺度融合特征的方法简单，数据处理量少。在一些实施例中，还获得多个特征图中的各个特征图相应的权重，并基于该多个特征图对应的多个权重，将多个调整后的特征在通道方向上堆叠，获得多尺度融合特征。
例如，将多个调整后的特征中的每一个特征与该特征所对应的特征图的权重进行加权，获得加权特征后；将多个调整后的特征对应的多个加权特征在通道方向上堆叠，获得多尺度融合特征。
使得在后续基于所获得的多尺度融合特征获得检测结果的过程中，对检测结果影响较大的特征图所对应的调整后的特征关注更多，进一步提升检测结果的准确性。
在一些实施例中，如图6所示，基于所述多尺度融合特征，获得所述目标对象的检测结果包括：
步骤S610：将所述多尺度融合特征输入至特征提取网络，以获得第二特征；以及
步骤S620：基于所述第二特征，获得所述检测结果。
通过将多尺度融合特征输入至特征提取网络后，获得第二特征并基于第二特征获得检测结果，实现检测结果的获得。
在一些实施例中，第二特征的尺度为多个尺度中的最小尺度，通过将第二特征输入至预测模块，获得检测结果。
在一些实施例中，预测模块通过基于第二特征获得目标对象对应于各个3D包围框的回归值，以获得检测结果。
在一些实施例中，通过图像检测模型实现根据本公开的上述步骤。参见图7，示出了根据本公开的一些实施例的图像检测模型的结构框图。图像检测模型包括多个卷积层710、多个尺度响应模块720和尺度融合模块730。其中，多个卷积层711顺次对图像F进行特征提取，以获得多个第一特征Fi；每一个尺度响应模块720包括池化网络721和依次连接的两个全连接层722，以针对每个第一特征Fi的多个通道获得多个权重，并基于多个权重输出特征图Si。尺度融合模块730包括与每一个尺度相应模块连接的反卷积网络731，用于将各个特征图Si(包括S1-S4)调整到同一尺度；尺度融合模块730还包括相应的特征提取网络732，以基于经调整到同一尺度的多个特征图获得的多尺度融合特征进行特征提取。
在一些实施例中，针对图像检测模型，采用包含训练图像的训练图像集进行训练而获得的，所述训练图像集还包括将所述训练图像的尺寸进行缩放后获得的多个其他训练图像。例如，将尺寸为H×W的训练图像调整为尺寸为2H×2W的第一图像和尺寸为1/2H×1/2W的第二图像，以获得多个其他训练图形。
通过在训练图像检测模型的过程中进一步采用由训练图像进行缩放后获得的多种尺寸的图像进行训练，进一步提升模型的感受野，使得检测结果准确。
根据本公开的另一方面，还提供一种图像检测装置，如图8所示，装置800包括：图像获取单元810，被配置用于获取目标图像，所述目标图像包括目标对象；图像输入单元820，被配置用于将所述目标图像输入至包含多个卷积层的卷积网络，以所述多个卷积层中的每一个卷积层的输出；特征图获取单元830，被配置用于基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图；融合特征获取单元840，被配置用于基于所述多个特征图，获得多尺度融合特征；以及检测结果获取单元850，被配置用于基于所述多尺度融合特征，获得所述目标对象的检测结果，所述检测结果指示所述目标对象的三维空间信息。
在一些实施例中，所述多个输出中的每一个输出对应于多个通道，所述特征图获取子单元包括：权重获取单元，被配置用于针对所述多个输出中的每一个输出，获得与该输出相应的对应于多个通道中的每一个通道的权重；更新单元，被配置用于针对所述多个输出中的每一个输出，基于该输出对应于多个通道的多个权重，获得经更新的输出；以及第一获取子单元，被配置用于基于所述多个输出对应的多个经更新的输出，获得所述多个特征图。
在一些实施例中，所述卷积网络是采用包含训练图像的训练图像集进行训练而获得的，所述训练图像集还包括将所述训练图像的尺寸进行缩放后获得的多个其他训练图像。
在一些实施例中，所述权重获取单元包括：池化单元，被配置用于将该输出输入全局池化网络，以获得第一特征，所述全局池化网络用于聚合该输出中的空间维度的信息；以及第二获取子单元，被配置用于基于所述第一特征，获得所述输出对应的多个通道中的每一通道的权重。
在一些实施例中，所述融合特征获取单元包括：尺度调整单元，被配置用于将所述多个特征图中的每一个特征图的尺度调整至第一尺度，所述第一尺度不小于所述多个尺度中的最大尺度；以及融合单元，被配置用于将所述多个特征图对应的多个调整后的特征图进行特征融合，以获得所述多尺度融合特征。
在一些实施例中，所述融合单元包括：堆叠单元，被配置用于将所述多个调整后的特征在通道方向上堆叠。
在一些实施例中，所述检测结果获取单元包括：特征提取单元，被配置用于将所述多尺度融合特征输入至特征提取网络，以获得第二特征；以及第三获取子单元，被配置用于基于所述第二特征，获得所述检测结果。
在一些实施例中，所述三维空间信息包括位置信息、三维空间尺寸信息或者朝向角信息。
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9，现将描述可以作为本公开的服务器或客户端的电子设备900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9所示，电子设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元907加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM903中，还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向电子设备900输入信息的任何类型的设备，输入单元906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907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908可以包括但不限于磁盘、光盘。通信单元909允许电子设备900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、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901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901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901执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200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908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元901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。
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)、复杂可编程逻辑设备(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。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
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 (8)
1.一种图像检测方法，包括：
获取目标图像，所述目标图像包括目标对象；
将所述目标图像输入至包含多个卷积层的卷积网络，以获得所述多个卷积层中的每一个卷积层的输出；
基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图，其中，所述多个输出中的每一个输出对应于多个通道，所述基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图包括：
针对所述多个输出中的每一个输出，获得与该输出相应的对应于多个通道中的每一个通道的权重，包括：
将该输出输入全局池化网络，以获得第一特征，所述全局池化网络用于聚合该输出中的所述多个通道中每个通道上的空间维度的信息，所述第一特征包括所述多个通道中每个通道的空间维度的聚合信息；以及
将所述第一特征输入依次连接的两个全连接层，以获得该输出对应的多个通道中的每一通道的权重；
针对所述多个输出中的每一个输出，基于该输出对应于多个通道的多个权重，获得经更新的输出；以及
基于所述多个输出对应的多个经更新的输出，获得所述多个特征图；
基于所述多个特征图，获得多尺度融合特征，包括：
将所述多个特征图中的每一个特征图的尺度调整至第一尺度，所述第一尺度不小于所述多个尺度中的最大尺度，所述将所述多个特征图中的每一个特征图的尺度调整至第一尺度包括：
将所述多个特征图中的每一个特征图输入反卷积网络，以将每一个特征图调整至所述第一尺度；以及
将所述多个特征图对应的多个调整后的特征图进行特征融合，以获得所述多尺度融合特征，包括：
获得所述多个特征图中的各个特征图相应的权重；
基于所述多个特征图对应的多个权重，对所述多个调整后的特征图进行加权，以获得多个加权特征；以及
将所述多个调整后的特征图对应的多个加权特征在通道方向上堆叠，以获得所述多尺度融合特征；以及
基于所述多尺度融合特征，获得所述目标对象的检测结果，所述检测结果指示所述目标对象的三维空间信息，其中，所述基于所述多尺度融合特征，获得所述目标对象的检测结果包括：
将所述多尺度融合特征输入至特征提取网络，以获得第二特征，其中，所述第二特征的尺度为所述多个尺度中的最小尺度；以及
将所述第二特征输入至预测模块，以获得所述检测结果，其中，所述预测模块通过基于所述第二特征获得所述目标对象对应于各个三维包围框的回归值，以获得所述检测结果。
2.根据权利要求1所述的方法，其中，所述卷积网络是采用包含训练图像的训练图像集进行训练而获得的，所述训练图像集还包括将所述训练图像的尺寸进行缩放后获得的多个其他训练图像。
3.根据权利要求1所述的方法，其中，所述三维空间信息包括位置信息、三维空间尺寸信息或者朝向角信息。
4.一种图像检测装置，包括：
图像获取单元，被配置用于获取目标图像，所述目标图像包括目标对象；
图像输入单元，被配置用于将所述目标图像输入至包含多个卷积层的卷积网络，以获得所述多个卷积层中的每一个卷积层的输出；
特征图获取单元，被配置用于基于所述多个卷积层的多个输出，获得所述目标图像的对应于多个尺度的多个特征图，其中，所述多个输出中的每一个输出对应于多个通道，所述特征图获取单元包括：
权重获取单元，被配置用于针对所述多个输出中的每一个输出，获得与该输出相应的对应于多个通道中的每一个通道的权重，所述权重获取单元包括：
池化单元，被配置用于将该输出输入全局池化网络，以获得第一特征，所述全局池化网络用于聚合该输出中的所述多个通道中每个通道上的空间维度的信息，所述第一特征包括所述多个通道中每个通道的空间维度的聚合信息；以及
第二获取子单元，被配置用于将所述第一特征输入依次连接的两个全连接层，以获得该输出对应的多个通道中的每一通道的权重；
更新单元，被配置用于针对所述多个输出中的每一个输出，基于该输出对应于多个通道的多个权重，获得经更新的输出；以及
第一获取子单元，被配置用于基于所述多个输出对应的多个经更新的输出，获得所述多个特征图；
融合特征获取单元，被配置用于基于所述多个特征图，获得多尺度融合特征，其中，所述融合特征获取单元包括：
尺度调整单元，被配置用于将所述多个特征图中的每一个特征图的尺度调整至第一尺度，所述第一尺度不小于所述多个尺度中的最大尺度，所述将所述多个特征图中的每一个特征图的尺度调整至第一尺度包括：
将所述多个特征图中的每一个特征图输入反卷积网络，以将每一个特征图调整至所述第一尺度；以及
融合单元，被配置用于将所述多个特征图对应的多个调整后的特征图进行特征融合，以获得所述多尺度融合特征，包括：
获得所述多个特征图中的各个特征图相应的权重；
基于所述多个特征图对应的多个权重，对所述多个调整后的特征图进行加权，以获得多个加权特征；以及
将所述多个调整后的特征图对应的多个加权特征在通道方向上堆叠，以获得所述多尺度融合特征；以及
检测结果获取单元，被配置用于基于所述多尺度融合特征，获得所述目标对象的检测结果，所述检测结果指示所述目标对象的三维空间信息，其中，所述检测结果获取单元包括：
特征提取单元，被配置用于将所述多尺度融合特征输入至特征提取网络，以获得第二特征，其中，所述第二特征的尺度为所述多个尺度中的最小尺度；以及
第三获取子单元，被配置用于将所述第二特征输入至预测模块，以获得所述检测结果，其中，所述预测模块通过基于所述第二特征获得所述目标对象对应于各个三维包围框的回归值，以获得所述检测结果。
5.根据权利要求4所述的装置，其中，所述卷积网络是采用包含训练图像的训练图像集进行训练而获得的，所述训练图像集还包括将所述训练图像的尺寸进行缩放后获得的多个其他训练图像。
6.根据权利要求4所述的装置，其中，所述三维空间信息包括位置信息、三维空间尺寸信息或者朝向角信息。
7.一种电子设备，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1-3中任一项所述的方法。
8.一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所述计算机执行根据权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210861722.0A CN115511779B (zh) | 2022-07-20 | 2022-07-20 | 图像检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210861722.0A CN115511779B (zh) | 2022-07-20 | 2022-07-20 | 图像检测方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115511779A CN115511779A (zh) | 2022-12-23 |
| CN115511779B true CN115511779B (zh) | 2024-02-20 |
Family
ID=84502774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210861722.0A Active CN115511779B (zh) | 2022-07-20 | 2022-07-20 | 图像检测方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115511779B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116246235B (zh) * | 2023-01-06 | 2024-06-11 | 吉咖智能机器人有限公司 | 基于行泊一体的目标检测方法、装置、电子设备和介质 |
| CN116740510B (zh) * | 2023-03-20 | 2024-07-12 | 北京百度网讯科技有限公司 | 图像处理方法、模型训练方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818964A (zh) * | 2021-03-31 | 2021-05-18 | 中国民航大学 | 基于FoveaBox无锚神经网络的无人机检测方法 |
| CN113936256A (zh) * | 2021-10-15 | 2022-01-14 | 北京百度网讯科技有限公司 | 一种图像目标检测方法、装置、设备以及存储介质 |
| CN114419519A (zh) * | 2022-03-25 | 2022-04-29 | 北京百度网讯科技有限公司 | 目标对象检测方法、装置、电子设备和存储介质 |
| CN114445667A (zh) * | 2022-01-28 | 2022-05-06 | 北京百度网讯科技有限公司 | 图像检测方法和用于训练图像检测模型的方法 |
| WO2022134996A1 (en) * | 2020-12-25 | 2022-06-30 | Zhejiang Dahua Technology Co., Ltd. | Lane line detection method based on deep learning, and apparatus |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3204888A4 (en) * | 2014-10-09 | 2017-10-04 | Microsoft Technology Licensing, LLC | Spatial pyramid pooling networks for image processing |
-
2022
- 2022-07-20 CN CN202210861722.0A patent/CN115511779B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022134996A1 (en) * | 2020-12-25 | 2022-06-30 | Zhejiang Dahua Technology Co., Ltd. | Lane line detection method based on deep learning, and apparatus |
| CN112818964A (zh) * | 2021-03-31 | 2021-05-18 | 中国民航大学 | 基于FoveaBox无锚神经网络的无人机检测方法 |
| CN113936256A (zh) * | 2021-10-15 | 2022-01-14 | 北京百度网讯科技有限公司 | 一种图像目标检测方法、装置、设备以及存储介质 |
| CN114445667A (zh) * | 2022-01-28 | 2022-05-06 | 北京百度网讯科技有限公司 | 图像检测方法和用于训练图像检测模型的方法 |
| CN114419519A (zh) * | 2022-03-25 | 2022-04-29 | 北京百度网讯科技有限公司 | 目标对象检测方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115511779A (zh) | 2022-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN115147558B (zh) | 三维重建模型的训练方法、三维重建方法及装置 | |
| CN114743196B (zh) | 文本识别的方法及装置、神经网络的训练方法 | |
| CN115082740B (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
| CN115578433B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN115578515A (zh) | 三维重建模型的训练方法、三维场景渲染方法及装置 | |
| CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
| CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
| CN117274370A (zh) | 三维位姿确定方法、装置、电子设备和介质 | |
| CN116824609A (zh) | 文档版式检测方法、装置和电子设备 | |
| CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
| CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
| CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
| CN115797455B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
| CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
| CN115100431B (zh) | 目标检测方法、神经网络及其训练方法、设备和介质 | |
| CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
| CN115131562B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
| CN116881485B (zh) | 生成图像检索索引的方法及装置、电子设备和介质 | |
| CN114118379B (zh) | 神经网络的训练方法、图像处理方法、装置、设备和介质 | |
| CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN117218297A (zh) | 人体重建参数生成方法、装置、设备和介质 | |
| CN117274575A (zh) | 目标检测模型的训练方法、目标检测方法、装置和设备 |
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 |