JP2021528715A - 画像処理方法及び装置、電子機器並びに記憶媒体 - Google Patents
画像処理方法及び装置、電子機器並びに記憶媒体 Download PDFInfo
- Publication number
- JP2021528715A JP2021528715A JP2020556815A JP2020556815A JP2021528715A JP 2021528715 A JP2021528715 A JP 2021528715A JP 2020556815 A JP2020556815 A JP 2020556815A JP 2020556815 A JP2020556815 A JP 2020556815A JP 2021528715 A JP2021528715 A JP 2021528715A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature
- quantization
- cluster
- similarity
- 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.)
- Granted
Links
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
Description
本願は、2019年5月15日に中国特許局に提出された出願番号201910404653.9の中国特許出願に基づく優先権を主張するものであり、該中国特許出願の全内容を参照として本願に組み込まれる。
本開示の実施例は、画像処理方法を提供する。該方法は、画像に対して迅速にクラスタリングすることに用いられる。また、該画像処理方法は、如何なる画像処理装置にも適用される。例えば、画像処理方法は、端末装置、サーバ又は他の処理装置により実行されてもよい。ここで、端末装置は、ユーザ装置(User Equipment:UE)、携帯機器、ユーザ端末、端末、セルラ電話、コードレス電話、パーソナルデジタルアシスタント(Personal Digital Assistant:PDA)、ハンドヘルドデバイス、コンピューティングデバイス、車載機器、ウェアブル機器などであってもよい。幾つかの考えられる実現形態において、該画像処理方法は、プロセッサによりメモリに記憶されているコンピュータ可読命令を呼び出すことで実現することができる。上記は、例示的な説明に過ぎず、他の実施例において他の機器又は装置により画像処理方法を実行することもできる。
画像データセット内の複数の画像に対して特徴抽出処理を行い、前記複数の画像にそれぞれ対応する画像特徴を取得するように構成される特徴抽出モジュール10と、
取得された前記画像特徴に基づいて、前記複数の画像に対してクラスタリング処理を行い、少なくとも1つのクラスターを得、ここで同一のクラスター内の画像には同じ対象が含まれるように構成されるクラスタリングモジュール20とを備え、ここで、分散型並列実行の方式で、前記特徴抽出処理及び前記クラスタリング処理のうちの少なくとも1つの処理プロセスを実行する。
前記クラスタリングユニットは更に、前記第2群における画像の量子化特徴と前記他の画像の量子化特徴との第1類似度を分散型並列実行の方式で取得するように構成される。
前記クラスタリングユニットは更に、前記第2インデックスに基づいて、前記第2インデックスに対応する類似度演算タスクを確立し、前記類似度演算タスクが、前記第2インデックスに対応する第2群におけるターゲット画像の量子化特徴と前記ターゲット画像以外の全ての画像の量子化特徴との第1類似度を取得することであり、前記複数の第2インデックスのうちの各第2インデックスに対応する類似度取得タスクを分散型並列実行の方式で実行するように構成される。
前記第3インデックスは、画像採取装置により前記第3インデックスに対応する画像を採取する時間、場所及び前記画像採取装置の識別子のうちの少なくとも1つを含む。
Claims (42)
- 画像処理方法であって、
画像データセット内の複数の画像に対して特徴抽出処理を行い、前記複数の画像にそれぞれ対応する画像特徴を取得することと、
取得された前記画像特徴に基づいて、前記複数の画像に対してクラスタリング処理を行い、少なくとも1つのクラスターを得ることであって、ここで同一のクラスター内の画像には同じ対象が含まれることと、を含み、
ここで、分散型並列実行の方式で、前記特徴抽出処理及び前記クラスタリング処理のうちの少なくとも1つの処理プロセスを実行する、方法。 - 前記分散型並列実行の方式で、前記特徴抽出処理を実行することは、
前記画像データセット内の複数の画像をグループ化し、複数の画像群を得ることと、
前記複数の画像群をそれぞれ複数の特徴抽出モデルに入力し、前記複数の特徴抽出モデルを利用して、前記特徴抽出モデルに対応する画像群における画像の特徴抽出処理を並列実行し、前記複数の画像の画像特徴を得ることであって、各特徴抽出モデルに入力された画像群が異なることと、を含むことを特徴とする
請求項1に記載の方法。 - 前記取得された前記画像特徴に基づいて、前記複数の画像に対してクラスタリング処理を行い、少なくとも1つのクラスターを得ることは、
前記画像特徴に対して、量子化処理を実行し、前記画像特徴に対応する量子化特徴を得ることと、
前記取得された前記量子化特徴に基づいて前記複数の画像に対してクラスタリング処理を実行し、前記少なくとも1つのクラスターを得ることと、を含むことを特徴とする
請求項1又は2に記載の方法。 - 前記画像の画像特徴に対して、量子化処理を実行し、前記画像特徴に対応する量子化特徴を得ることは、
前記複数の画像の画像特徴をグループ化処理し、複数の第1群を得ることであって、前記第1群には少なくとも1つの画像の画像特徴が含まれることと、
前記複数の第1群の画像特徴の量子化処理を分散型並列実行の方式で実行し、前記画像特徴に対応する量子化特徴を得ることと、を含むことを特徴とする
請求項3に記載の方法。 - 前記複数の第1群の画像特徴の量子化処理を分散型並列実行の方式で実行し、前記画像特徴に対応する量子化特徴を得る前に、前記方法は、
前記複数の第1群のためにそれぞれ第1インデックスを設定し、複数の第1インデックスを得ることを更に含み、
前記複数の第1群の画像特徴の量子化処理を分散型並列実行の方式で実行し、前記画像特徴に対応する量子化特徴を得ることは、
前記複数の第1インデックスをそれぞれ複数の量子化器に割り当てることであって、各量子化器に割り当てられる第1インデックスが異なることと、
前記複数の量子化器を利用して、割り当てられた第1インデックスに対応する第1群内の画像特徴の量子化処理をそれぞれ並列実行することと、を含むことを特徴とする
請求項4に記載の方法。 - 前記量子化処理は、PQ(Product Quantization)符号化処理を含むことを特徴とする
請求項3〜5のうちいずれか一項に記載の方法。 - 前記取得された前記量子化特徴に基づいて前記複数の画像に対してクラスタリング処理を実行し、前記少なくとも1つのクラスターを得ることは、
前記複数の画像のうちのいずれか1つの画像の量子化特徴と他の画像の量子化特徴との第1類似度を取得することと、
前記第1類似度に基づいて、前記いずれか1つの画像のK1隣接画像を決定することであって、前記K1隣接画像の量子化特徴が前記いずれか1つの画像の量子化特徴との第1類似度が最も高いK1個の量子化特徴であり、前記K1が1以上の整数であることと、
前記いずれか1つの画像及び前記いずれか1つの画像のK1隣接画像を利用して、前記クラスタリング処理のクラスタリング結果を決定することと、を含むことを特徴とする
請求項3〜6のうちいずれか一項に記載の方法。 - 前記いずれか1つの画像及び前記いずれか1つの画像のK1隣接画像を利用して前記クラスタリング処理のクラスタリング結果を決定することは、
前記いずれか1つの画像の量子化特徴との第1類似度が第1閾値を超える第1画像セットを前記K1隣接画像から選択することと、
前記第1画像セット内の全ての画像及び前記いずれか1つの画像を第1状態とラベル付けし、第1状態とラベル付けされた各画像に基づいて、1つのクラスターを形成することであって、前記第1状態は画像に同じ対象を含む状態であることと、を含むことを特徴とする
請求項7に記載の方法。 - 前記いずれか1つの画像及び前記いずれか1つの画像のK1隣接画像を利用して前記クラスタリング処理のクラスタリング結果を決定することは、
前記いずれか1つの画像の画像特徴と前記いずれか1つの画像のK1隣接画像の画像特徴との第2類似度を取得することと、
前記第2類似度に基づいて、前記いずれか1つの画像のK2隣接画像を決定することであって、前記K2隣接画像の画像特徴が前記K1隣接画像のうち前記いずれか1つの画像の画像特徴との第2類似度が最も高いK2個の画像特徴であり、K2が1以上であってK1以下である整数であることと、
前記いずれか1つの画像の画像特徴との前記第2類似度が第2閾値を超える第2画像セットを前記K2隣接画像から選択することと、
前記第2画像セット内の全ての画像及び前記いずれか1つの画像を第1状態とラベル付けし、第1状態とラベル付けされた各画像に基づいて、1つのクラスターを形成することであって、前記第1状態は画像に同じ対象を含む状態であることと、を含むことを特徴とする
請求項7に記載の方法。 - 前記複数の画像のうちのいずれか1つの画像の量子化特徴と他の画像の量子化特徴との第1類似度を取得する前に、前記方法は、
前記複数の画像の量子化特徴についてグループ化処理し、複数の第2群を得ることであって、前記第2群には少なくとも1つの画像の量子化特徴が含まれることを更に含み、
前記いずれか1つの画像の量子化特徴と他の画像の量子化特徴との第1類似度を取得することは、
前記第2群における画像の量子化特徴と前記他の画像の量子化特徴との第1類似度を分散型並列実行の方式で取得することを含むことを特徴とする
請求項7〜9のうちいずれか一項に記載の方法。 - 前記第2群における画像の量子化特徴と他の画像の量子化特徴との第1類似度を分散型並列実行の方式で取得する前に、
前記複数の第2群のためにそれぞれ第2インデックスを設定し、複数の第2インデックスを得ることを更に含み、
また、前記複数の第2群における画像の量子化特徴と他の画像の量子化特徴との第1類似度を取得することは、
前記第2インデックスに基づいて、前記第2インデックスに対応する類似度演算タスクを確立することであって、前記類似度演算タスクが、前記第2インデックスに対応する第2群におけるターゲット画像の量子化特徴と前記ターゲット画像以外の全ての画像の量子化特徴との第1類似度を取得するものであることと、
前記複数の第2インデックスのうちの各第2インデックスに対応する類似度取得タスクを分散型並列実行の方式で実行することと、を含むことを特徴とする
請求項10に記載の方法。 - 前記方法は、
前記画像特徴の第3インデックスを取得し、前記第3インデックスと前記第3インデックスに対応する画像特徴とを関連付けて記憶することを更に含み、
前記第3インデックスは、画像採取装置により前記第3インデックスに対応する画像を採取する時間、場所及び前記画像採取装置の識別子のうちの少なくとも1つを含むことを特徴とする
請求項1〜11のうちいずれか一項に記載の方法。 - 前記方法は、
得られた前記クラスターのクラスター中心を決定することと、
前記クラスター中心のために、第4インデックスを設定し、前記第4インデックスと前記第4インデックスに対応するクラスター中心とを関連付けて記憶することと、を更に含むことを特徴とする
請求項1〜12のうちいずれか一項に記載の方法。 - 前記得られた前記クラスターのクラスター中心を決定することは、
前記クラスター内の各画像の画像特徴の平均値に基づいて、前記クラスターのクラスター中心を決定することを含むことを特徴とする
請求項13に記載の方法。 - 前記方法は、
入力画像の画像特徴を取得することと、
前記入力画像の画像特徴に対して量子化処理を行い、前記入力画像の量子化特徴を得ることと、
前記入力画像の量子化特徴及び得られた前記クラスターのクラスター中心に基づいて、前記入力画像の所在するクラスターを決定することと、を更に含むことを特徴とする
請求項1〜14のうちいずれか一項に記載の方法。 - 前記入力画像の量子化特徴及び得られた前記クラスターのクラスター中心に基づいて、前記入力画像の所在するクラスターを決定することは、
前記入力画像の量子化特徴と各前記クラスターのクラスター中心の量子化特徴との第3類似度を取得することと、
前記第3類似度に基づいて、前記入力画像の量子化特徴との第3類似度が最も高いK3個のクラスター中心を決定することであって、K3が1以上の整数であることと、
前記入力画像の画像特徴と前記K3個のクラスター中心の画像特徴との第4類似度を取得することと、
前記K3個のクラスター中心のうちの1つのクラスター中心の画像特徴と前記入力画像の画像特徴との第4類似度が最も高く且つ該第4類似度が第3閾値を超えることに応答して、前記入力画像を前記1つのクラスター中心に対応するクラスターに加えることと、を含むことを特徴とする
請求項15に記載の方法。 - 前記入力画像の量子化特徴及び得られた前記クラスターのクラスター中心に基づいて、前記入力画像の所在するクラスターを決定することは、
前記入力画像の画像特徴との第4類似度が第3閾値を超えるクラスター中心が存在しないことに応答して、前記入力画像の量子化特徴及び前記画像データセット内の画像の量子化特徴に基づいて、前記クラスタリング処理を実行し、少なくとも1つの新たなクラスターを得ることを更に含むことを特徴とする
請求項16に記載の方法。 - 前記方法は、
アイデンティティ特徴ライブラリにおける少なくとも1つの対象のアイデンティティ特徴に基づいて、各前記クラスターに対応する対象アイデンティティを決定することを更に含むことを特徴とする
請求項1〜17のうちいずれか一項に記載の方法。 - 前記アイデンティティ特徴ライブラリにおける少なくとも1つの対象のアイデンティティ特徴に基づいて、各前記クラスターに対応する対象アイデンティティを決定することは、
前記アイデンティティ特徴ライブラリにおける既知の対象の量子化特徴を取得することと、
前記既知の対象の量子化特徴と前記少なくとも1つのクラスターのクラスター中心の量子化特徴との第5類似度を決定し、前記クラスター中心の量子化特徴との第5類似度が最も高いK4個の既知のオブジェクトの量子化特徴を決定することと、
前記クラスター中心の画像特徴と対応するK4個の既知の対象の画像特徴との第6類似度を取得することと、
前記K4個の既知の対象のうちの1つの既知の対象の画像特徴と前記クラスター中心の画像特徴との第6類似度が最も高く且つ該第6類似度が第4閾値を超えることに応答して、前記第6類似度が最も高い前記1つの既知の対象が前記クラスター中心に対応するクラスターとマッチングしたと判定することと、を含むことを特徴とする
請求項1〜18のうちいずれか一項に記載の方法。 - 前記アイデンティティ特徴ライブラリにおける少なくとも1つの対象のアイデンティティ特徴に基づいて、各前記クラスターに対応する対象アイデンティティを決定することは、
前記K4個の既知の対象の画像特徴と対応するクラスター中心の画像特徴との第6類似度がいずれも前記第4閾値未満であることに応答して、前記既知の対象とマッチングしたクラスターが存在しないと判定することを更に含むことを特徴とする
請求項19に記載の方法。 - 画像処理装置であって、
画像データセット内の複数の画像に対して特徴抽出処理を行い、前記複数の画像にそれぞれ対応する画像特徴を取得するように構成される特徴抽出モジュールと、
取得された前記画像特徴に基づいて、前記複数の画像に対してクラスタリング処理を行い、少なくとも1つのクラスターを得るクラスタリングモジュールであって、ここで同一のクラスター内の画像には同じ対象が含まれるように構成されるクラスタリングモジュールと、を備え、
ここで、分散型並列実行の方式で、前記特徴抽出処理及び前記クラスタリング処理のうちの少なくとも1つの処理プロセスを実行する、装置。 - 前記特徴抽出モジュールは、前記画像データセット内の複数の画像をグループ化し、複数の画像群を得ることと、前記複数の画像群をそれぞれ複数の特徴抽出モデルに入力し、前記複数の特徴抽出モデルを利用して、前記特徴抽出モデルに対応する画像群における画像の特徴抽出処理を並列実行し、前記複数の画像の画像特徴を得ることと、を実行するように構成され、各特徴抽出モデルに入力された画像群が異なることを特徴とする
請求項21に記載の装置。 - 前記クラスタリングモジュールは、
前記画像特徴に対して、量子化処理を実行し、前記画像特徴に対応する量子化特徴を得るように構成される量子化ユニットと、
取得された前記量子化特徴に基づいて前記複数の画像に対してクラスタリング処理を実行し、前記少なくとも1つのクラスターを得るように構成されるクラスタリングユニットと、を備えることを特徴とする
請求項21又は22に記載の装置。 - 前記量子化ユニットは更に、前記複数の画像の画像特徴をグループ化処理し、複数の第1群を得ることであって、前記第1群には少なくとも1つの画像の画像特徴が含まれることと、前記複数の第1群の画像特徴の量子化処理を分散型並列実行の方式で実行し、前記画像特徴に対応する量子化特徴を得ることと、を実行するように構成されることを特徴とする
請求項23に記載の装置。 - 前記装置は、
前記複数の第1群のためにそれぞれ第1インデックスを設定し、複数の第1インデックスを得るように構成される第1インデックス設定モジュールを更に備え、
前記量子化ユニットは更に、前記複数の第1インデックスをそれぞれ複数の量子化器に割り当てることであって、各量子化器に割り当てられる第1インデックスが異なることと、前記複数の量子化器を利用して、割り当てられた第1インデックスに対応する第1群内の画像特徴の量子化処理をそれぞれ並列実行することと、を実行するように構成されることを特徴とする
請求項24に記載の装置。 - 前記量子化処理は、PQ(Product Quantization)符号化処理を含むことを特徴とする
請求項23〜25のうちいずれか一項に記載の装置。 - 前記クラスタリングユニットは更に、前記複数の画像のうちのいずれか1つの画像の量子化特徴と他の画像の量子化特徴との第1類似度を取得することと、前記第1類似度に基づいて、前記いずれか1つの画像のK1隣接画像を決定することであって、前記K1隣接画像の量子化特徴が前記いずれか1つの画像の量子化特徴との第1類似度が最も高いK1個の量子化特徴であり、前記K1が1以上の整数であることと、前記いずれか1つの画像及び前記いずれか1つの画像のK1隣接画像を利用して、前記クラスタリング処理のクラスタリング結果を決定することと、を実行するように構成されることを特徴とする
請求項23〜26のうちいずれか一項に記載の装置。 - 前記クラスタリングユニットは更に、前記いずれか1つの画像の量子化特徴との第1類似度が第1閾値を超える第1画像セットを前記K1隣接画像から選択することと、前記第1画像セット内の全ての画像及び前記いずれか1つの画像を第1状態とラベル付けし、第1状態とラベル付けされた各画像に基づいて、1つのクラスターを形成することと、を実行するように構成され、前記第1状態は画像に同じ対象を含む状態であることを特徴とする
請求項27に記載の装置。 - 前記クラスタリングユニットは更に、前記いずれか1つの画像の画像特徴と前記いずれか1つの画像のK1隣接画像の画像特徴との第2類似度を取得することと、前記第2類似度に基づいて、前記いずれか1つの画像のK2隣接画像を決定することであって、前記K2隣接画像の画像特徴が前記K1隣接画像のうち前記いずれか1つの画像の画像特徴との第2類似度が最も高いK2個の画像特徴であり、K2が1以上であってK1以下の整数であることと、前記いずれか1つの画像の画像特徴との前記第2類似度が第2閾値を超える第2画像セットを前記K2隣接画像から選択することと、前記第2画像セット内の全ての画像及び前記いずれか1つの画像を第1状態とラベル付けし、第1状態とラベル付けされた各画像に基づいて、1つのクラスターを形成することと、を実行するように構成され、前記第1状態は画像に同じ対象を含む状態であることを特徴とする
請求項27に記載の装置。 - 前記クラスタリングユニットは更に、前記複数の画像のうちのいずれか1つの画像の量子化特徴と他の画像の量子化特徴との第1類似度を取得する前に、前記複数の画像の量子化特徴についてグループ化処理し、複数の第2群を得るように構成され、前記第2群には少なくとも1つの画像の量子化特徴が含まれ、
前記クラスタリングユニットは更に、前記第2群における画像の量子化特徴と前記他の画像の量子化特徴との第1類似度を分散型並列実行の方式で取得するように構成されることを特徴とする
請求項27〜29のうちいずれか一項に記載の装置。 - 前記装置は、
前記クラスタリングユニットにより前記第2群における画像の量子化特徴と他の画像の量子化特徴との第1類似度を分散型並列実行の方式で取得する前に、前記複数の第2群のためにそれぞれ第2インデックスを設定し、複数の第2インデックスを得るように構成される第2インデックス設定モジュールを更に備え、
前記クラスタリングユニットは更に、前記第2インデックスに基づいて、前記第2インデックスに対応する類似度演算タスクを確立することであって、前記類似度演算タスクが、前記第2インデックスに対応する第2群におけるターゲット画像の量子化特徴と前記ターゲット画像以外の全ての画像の量子化特徴との第1類似度を取得するものであることと、前記複数の第2インデックスのうちの各第2インデックスに対応する類似度取得タスクを分散型並列実行の方式で実行することと、を実行するように構成されることを特徴とする
請求項30に記載の装置。 - 前記装置は、前記画像特徴の第3インデックスを取得し、前記第3インデックスと前記第3インデックスに対応する画像特徴とを関連付けて記憶するように構成される記憶モジュールを更に備え、
前記第3インデックスは、画像採取装置により前記第3インデックスに対応する画像を採取する時間、場所及び前記画像採取装置の識別子のうちの少なくとも1つを含むことを特徴とする
請求項21〜31のうちいずれか一項に記載の装置。 - 前記クラスタリングモジュールは、得られた前記クラスターのクラスター中心を決定し、前記クラスター中心のために、第4インデックスを設定し、前記第4インデックスと前記第4インデックスに対応するクラスター中心とを関連付けて記憶するように構成されるクラスター中心決定ユニットを更に備えることを特徴とする
請求項21〜32のうちいずれか一項に記載の装置。 - 前記クラスター中心決定ユニットは更に、前記クラスター内の各画像の画像特徴の平均値に基づいて、前記クラスターのクラスター中心を決定するように構成されることを特徴とする
請求項33に記載の装置。 - 前記装置は、
入力画像の画像特徴を取得するように構成される取得モジュールと、
前記入力画像の画像特徴に対して量子化処理を行い、前記入力画像の量子化特徴を得るように構成される量子化モジュールと、を更に備え、
前記クラスタリングモジュールは更に、前記入力画像の量子化特徴及び得られた前記クラスターのクラスター中心に基づいて、前記入力画像の所在するクラスターを決定するように構成されることを特徴とする
請求項21〜34のうちいずれか一項に記載の装置。 - 前記クラスタリングモジュールは更に、前記入力画像の量子化特徴と各前記クラスターのクラスター中心の量子化特徴との第3類似度を取得することと、前記第3類似度に基づいて、前記入力画像の量子化特徴との第3類似度が最も高いK3個のクラスター中心を決定することであって、K3が1以上の整数であることと、前記入力画像の画像特徴と前記K3個のクラスター中心の画像特徴との第4類似度を取得ことと、前記K3個のクラスター中心のうちの1つのクラスター中心の画像特徴と前記入力画像の画像特徴との第4類似度が最も高く且つ該第4類似度が第3閾値を超えることに応答して、前記入力画像を前記1つのクラスター中心に対応するクラスターに加えることと、を実行するように構成されることを特徴とする
請求項35に記載の装置。 - 前記クラスタリングモジュールは更に、前記入力画像の画像特徴との第4類似度が第3閾値を超えるクラスター中心が存在しないことに応答して、前記入力画像の量子化特徴及び前記画像データセット内の画像の量子化特徴に基づいて、前記クラスタリング処理を実行し、少なくとも1つの新たなクラスターを得るように構成されることを特徴とする
請求項36に記載の装置。 - 前記装置は、アイデンティティ特徴ライブラリにおける少なくとも1つの対象のアイデンティティ特徴に基づいて、各前記クラスターに対応する対象アイデンティティを決定するように構成されるアイデンティティ識別モジュールを更に備えることを特徴とする
請求項21〜37のうちいずれか一項に記載の装置。 - 前記アイデンティティ識別モジュールは更に、前記アイデンティティ特徴ライブラリにおける既知の対象の量子化特徴を取得することと、前記既知の対象の量子化特徴と前記少なくとも1つのクラスターのクラスター中心の量子化特徴との第5類似度を決定し、前記クラスター中心の量子化特徴との第5類似度が最も高いK4個の既知のオブジェクトの量子化特徴を決定することと、前記クラスター中心の画像特徴と対応するK4個の既知の対象の画像特徴との第6類似度を取得することと、前記K4個の既知の対象のうちの1つの既知の対象の画像特徴と前記クラスター中心の画像特徴との第6類似度が最も高く且つ該第6類似度が第4閾値を超えることに応答して、前記第6類似度が最も高い前記1つの既知の対象が前記クラスター中心に対応するクラスターとマッチングしたと判定することと、を実行するように構成されることを特徴とする
請求項38に記載の装置。 - 前記アイデンティティ識別モジュールは更に、前記K4個の既知の対象の画像特徴と対応するクラスター中心の画像特徴との第6類似度がいずれも前記第4閾値未満であることに応答して、前記既知の対象とマッチングしたクラスターが存在しないと判定するように構成されることを特徴とする
請求項39に記載の装置。 - 電子機器であって、プロセッサと、プロセッサによる実行可能な命令を記憶するためのメモリとを備え、前記プロセッサは、前記メモリに記憶されている命令を呼び出し、請求項1〜20のうちいずれか一項に記載の方法を実行するように構成される、電子機器。
- コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体には、コンピュータプログラム命令が記憶されており、前記コンピュータプログラム命令がプロセッサにより実行される時に、請求項1〜20のうちいずれか一項に記載の方法を実現させる、コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404653.9 | 2019-05-15 | ||
CN201910404653.9A CN110175546B (zh) | 2019-05-15 | 2019-05-15 | 图像处理方法及装置、电子设备和存储介质 |
PCT/CN2019/101438 WO2020228163A1 (zh) | 2019-05-15 | 2019-08-19 | 图像处理方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021528715A true JP2021528715A (ja) | 2021-10-21 |
JP7128906B2 JP7128906B2 (ja) | 2022-08-31 |
Family
ID=67691160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020556815A Active JP7128906B2 (ja) | 2019-05-15 | 2019-08-19 | 画像処理方法及び装置、電子機器並びに記憶媒体 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210073577A1 (ja) |
JP (1) | JP7128906B2 (ja) |
CN (1) | CN110175546B (ja) |
SG (1) | SG11202011658TA (ja) |
TW (1) | TWI785267B (ja) |
WO (1) | WO2020228163A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111225280B (zh) * | 2020-01-22 | 2021-10-01 | 复旦大学 | 基于嵌入式平台的轻量级视频分析*** |
CN111818364B (zh) * | 2020-07-30 | 2021-08-06 | 广州云从博衍智能科技有限公司 | 视频融合方法、***、设备及介质 |
CN113709384A (zh) * | 2021-03-04 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 基于深度学习的视频剪辑方法、相关设备及存储介质 |
CN114494782B (zh) * | 2022-01-26 | 2023-08-08 | 北京百度网讯科技有限公司 | 图像处理方法、模型训练方法、相关装置及电子设备 |
CN114549883B (zh) * | 2022-02-24 | 2023-09-05 | 北京百度网讯科技有限公司 | 图像处理方法、深度学习模型的训练方法、装置和设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010017274A (ja) * | 2008-07-09 | 2010-01-28 | Fuji Xerox Co Ltd | 画像処理装置及び画像処理プログラム |
WO2012073421A1 (ja) * | 2010-11-29 | 2012-06-07 | パナソニック株式会社 | 画像分類装置、画像分類方法、プログラム、記録媒体、集積回路、モデル作成装置 |
JP2013020480A (ja) * | 2011-07-12 | 2013-01-31 | Hitachi Ltd | 画像検索システム |
CN104392250A (zh) * | 2014-11-21 | 2015-03-04 | 浪潮电子信息产业股份有限公司 | 一种基于MapReduce的图像分类方法 |
CN104933445A (zh) * | 2015-06-26 | 2015-09-23 | 电子科技大学 | 一种基于分布式K-means的海量图像分类方法 |
CN106203508A (zh) * | 2016-07-11 | 2016-12-07 | 天津大学 | 一种基于Hadoop平台的图像分类方法 |
JP2018526753A (ja) * | 2015-09-11 | 2018-09-13 | 日本電気株式会社 | 物体認識装置、物体認識方法及び記憶媒体 |
CN109063790A (zh) * | 2018-09-27 | 2018-12-21 | 北京地平线机器人技术研发有限公司 | 对象识别模型优化方法、装置和电子设备 |
CN109740660A (zh) * | 2018-12-27 | 2019-05-10 | 深圳云天励飞技术有限公司 | 图像处理方法及装置 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8107740B2 (en) * | 2008-08-15 | 2012-01-31 | Honeywell International Inc. | Apparatus and method for efficient indexing and querying of images in security systems and other systems |
CN103164713B (zh) * | 2011-12-12 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 图像分类方法和装置 |
JP5577372B2 (ja) * | 2012-03-29 | 2014-08-20 | 楽天株式会社 | 画像検索装置、画像検索方法、プログラムおよびコンピュータ読取り可能な記憶媒体 |
US8768049B2 (en) * | 2012-07-13 | 2014-07-01 | Seiko Epson Corporation | Small vein image recognition and authorization using constrained geometrical matching and weighted voting under generic tree model |
CN103235825B (zh) * | 2013-05-08 | 2016-05-25 | 重庆大学 | 一种基于Hadoop云计算框架的海量人脸识别搜索引擎设计方法 |
CN103605765B (zh) * | 2013-11-26 | 2016-11-16 | 电子科技大学 | 一种基于聚类紧凑特征的海量图像检索*** |
JP6431302B2 (ja) * | 2014-06-30 | 2018-11-28 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US9613407B2 (en) * | 2014-07-03 | 2017-04-04 | Dolby Laboratories Licensing Corporation | Display management for high dynamic range video |
CN106156118B (zh) * | 2015-04-07 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 基于计算机***的图片相似度计算方法及其*** |
CN104881735A (zh) * | 2015-05-13 | 2015-09-02 | 国家电网公司 | 用于支撑智慧城市运行管理的智能电网大数据挖掘***及方法 |
CN106959948A (zh) * | 2016-01-08 | 2017-07-18 | 普华诚信信息技术有限公司 | 针对分布式特性对大数据进行预处理的***及其预处理方法 |
JP6732518B2 (ja) * | 2016-04-27 | 2020-07-29 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
US10032067B2 (en) * | 2016-05-28 | 2018-07-24 | Samsung Electronics Co., Ltd. | System and method for a unified architecture multi-task deep learning machine for object recognition |
CN108182443B (zh) * | 2016-12-08 | 2020-08-07 | 广东精点数据科技股份有限公司 | 一种基于决策树的图像自动标注方法和装置 |
CN107085607B (zh) * | 2017-04-19 | 2020-06-30 | 电子科技大学 | 一种图像特征点匹配方法 |
CN108021689A (zh) * | 2017-10-19 | 2018-05-11 | 大连大学 | 使用基于MapReduce的IVkNN算法进行查询的方法 |
CN108376177B (zh) * | 2018-03-15 | 2019-10-25 | 百度在线网络技术(北京)有限公司 | 用于处理信息的方法和分布式*** |
CN108921587B (zh) * | 2018-05-24 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及服务器 |
CN109522937B (zh) * | 2018-10-23 | 2021-02-19 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109740013A (zh) * | 2018-12-29 | 2019-05-10 | 深圳英飞拓科技股份有限公司 | 图像数据处理方法及图像检索方法 |
-
2019
- 2019-05-15 CN CN201910404653.9A patent/CN110175546B/zh active Active
- 2019-08-19 JP JP2020556815A patent/JP7128906B2/ja active Active
- 2019-08-19 SG SG11202011658TA patent/SG11202011658TA/en unknown
- 2019-08-19 WO PCT/CN2019/101438 patent/WO2020228163A1/zh active Application Filing
- 2019-08-20 TW TW108129692A patent/TWI785267B/zh active
-
2020
- 2020-11-20 US US16/953,875 patent/US20210073577A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010017274A (ja) * | 2008-07-09 | 2010-01-28 | Fuji Xerox Co Ltd | 画像処理装置及び画像処理プログラム |
WO2012073421A1 (ja) * | 2010-11-29 | 2012-06-07 | パナソニック株式会社 | 画像分類装置、画像分類方法、プログラム、記録媒体、集積回路、モデル作成装置 |
JP2013020480A (ja) * | 2011-07-12 | 2013-01-31 | Hitachi Ltd | 画像検索システム |
CN104392250A (zh) * | 2014-11-21 | 2015-03-04 | 浪潮电子信息产业股份有限公司 | 一种基于MapReduce的图像分类方法 |
CN104933445A (zh) * | 2015-06-26 | 2015-09-23 | 电子科技大学 | 一种基于分布式K-means的海量图像分类方法 |
JP2018526753A (ja) * | 2015-09-11 | 2018-09-13 | 日本電気株式会社 | 物体認識装置、物体認識方法及び記憶媒体 |
CN106203508A (zh) * | 2016-07-11 | 2016-12-07 | 天津大学 | 一种基于Hadoop平台的图像分类方法 |
CN109063790A (zh) * | 2018-09-27 | 2018-12-21 | 北京地平线机器人技术研发有限公司 | 对象识别模型优化方法、装置和电子设备 |
CN109740660A (zh) * | 2018-12-27 | 2019-05-10 | 深圳云天励飞技术有限公司 | 图像处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110175546B (zh) | 2022-02-25 |
TWI785267B (zh) | 2022-12-01 |
SG11202011658TA (en) | 2020-12-30 |
JP7128906B2 (ja) | 2022-08-31 |
CN110175546A (zh) | 2019-08-27 |
TW202044107A (zh) | 2020-12-01 |
WO2020228163A1 (zh) | 2020-11-19 |
US20210073577A1 (en) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502651B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109800744B (zh) | 图像聚类方法及装置、电子设备和存储介质 | |
JP2021528715A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
CN110472091B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109089133B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN110781957B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109389162B (zh) | 样本图像筛选方法和装置、电子设备及存储介质 | |
WO2021036382A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP2016516251A (ja) | クラスタリング方法、クラスタリング装置、端末装置、プログラム及び記録媒体 | |
CN112101238A (zh) | 聚类方法及装置、电子设备和存储介质 | |
CN109522937B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113688729B (zh) | 一种行为识别方法及装置、电子设备和存储介质 | |
CN109101542B (zh) | 图像识别结果输出方法及装置、电子设备和存储介质 | |
CN110826697A (zh) | 获取样本的方法及装置、电子设备和存储介质 | |
CN114168798A (zh) | 文本存储管理与检索方法及装置 | |
CN111814631A (zh) | 人员检测方法及装置、电子设备和存储介质 | |
CN111651627A (zh) | 数据处理方法及装置、电子设备和存储介质 | |
CN112131999B (zh) | 身份确定方法及装置、电子设备和存储介质 | |
CN111814630A (zh) | 行为分析方法及装置、电子设备和存储介质 | |
CN113326388A (zh) | 基于倒排表的数据检索方法、***、介质及装置 | |
CN116647664A (zh) | 一种视频质量评估网络确定方法、装置、电子设备及存储介质 | |
CN114155295A (zh) | 信息提取方法、装置及介质 | |
CN113470827A (zh) | 分类方法及装置、电子设备和存储介质 | |
CN116664968A (zh) | 数据处理方法、模型训练方法、装置和电子设备 | |
CN111898546A (zh) | 数据处理方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201014 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220311 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220819 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7128906 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |