目标图像提取方法、神经网络训练方法及装置制造方法及图纸

本公开提供一种目标图像提取方法、神经网络训练方法及装置，涉及图像处理技术领域。该方法包括：对输入图像进行第一特征提取得到参考特征图；对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；对各目标特征图的特征值进行归一化处理得到与各目标特征图一一对应的概率特征图；根据各概率特征图获取与各概率特征图对应的坐标特征图，并利用各概率特征图和对应的坐标特征图确定目标图像的每一个顶点的目标顶点坐标；根据目标顶点坐标完成对目标图像的提取。本公开提升了目标图像提取的精确度。

【技术实现步骤摘要】
目标图像提取方法、神经网络训练方法及装置
本公开涉及图像处理
，具体涉及一种用于目标图像提取的神经网络训练方法、目标图像提取方法、用于目标图像提取的神经网络训练装置、目标图像提取装置、计算机可读介质和电子设备。
技术介绍
随着智能设备的普及，对输入图像中目标图像的提取在生活中有着广泛的应用场景。但是，现有技术中目标图像的提取方法主要是计算输入图像上每个像素点是目标图像的边缘的概率，没有考虑到像素点之间的关联关系，使得提取的结果不够精确。因此，有必要设计一种新的目标图像的提取方法。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种用于目标图像提取的神经网络训练方法、目标图像提取方法、用于目标图像提取的神经网络训练装置、目标图像提取装置、计算机可读介质和电子设备，进而至少在一定程度上克服现有技术中目标图像的提取方法提取结果不够精确得问题。根据本公开的第一方面，提供一种目标图像提取方法，包括：获取待检测输入图像，并确定所述输入图像中目标图像的顶点数量；对所述输入图像进行第一特征提取得到参考特征图；对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；对各所述目标特征图的特征值进行归一化处理得到与各所述目标特征图一一对应的概率特征图；根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，并利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标；根据所述目标顶点坐标完成对所述目标图像的提取。根据本公开的第二方面，提供一种用于目标图像提取的神经网络训练方法，包括：获取样本数据，所述样本数据包括输入图像、所述输入图像中目标图像的标准顶点坐标；对所述输入图像进行第一特征提取得到参考特征图；对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；对各所述目标特征图的特征值进行归一化处理得到与各所述目标特征图一一对应的概率特征图；根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，并利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标；根据所述目标顶点坐标和所述标准顶点坐标对所述神经网络的参数进行更新。根据本公开的第三方面，提供一种用于目标图像提取的神经网络训练装置，包括：数据获取模块，用于获取样本数据，所述样本数据包括输入图像和所述输入图像中目标图像的标准顶点坐标，并确定所述输入图像中该目标图像的顶点数量；第一特征提取模块，用于对所述输入图像进行第一特征提取得到参考特征图；第二特征提取模块，用于对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；第一图像处理模块，用于对各所述目标特征图的特征值进行归一化处理得到与各所述目标特征图一一对应的概率特征图；第一坐标确定模块，根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，并利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标；参数更新模块，用于根据所述目标顶点坐标和所述标准顶点坐标对所述神经网络的参数进行更新。根据本公开的第四方面，提供一种目标图像提取装置，其特征在于，包括：第三特征提取模块，用于对所述输入图像进行第一特征提取得到参考特征图；第四特征提取模块，用于对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；第二图像处理模块，用于对各所述目标特征图的特征值进行归一化处理得到与各所述目标特征图一一对应的概率特征图；第二坐标确定模块，用于根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，并利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标；目标图像提取模块，用于根据所述目标顶点坐标完成对所述目标图像的提取。根据本公开的第五方面，提供一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法。根据本公开的第六方面，提供一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。本公开的一种实施例所提供的目标图像提取方法，对经过对输入图像进行第一特征提取得到的参考特征图进行第二特征提取得到与输入图像中目标图像顶点数量相同的目标特征图，然后对目标特征图的特征值进行归一化处理得到概率特征图，最后利用概率特征图获取与之匹配的坐标特征图进而得到输入图像中目标图像的每一个顶点的目标顶点坐标进而完成对目标图像的提取。相较于现有技术，利用得到的概率特征图获取坐标特征图，并结合坐标特征图以及概率特征图来获取目标顶点坐标，利用坐标特征图使得对概率特征图的信息使用更加全面，提升了目标图像提取的精度。进一步的，在说明书中公开了利用概率特征图和坐标特征图进行矩阵点成的方式来确定目标图像的目标顶点坐标，能够对概率特征图中的每一个特征值均进行了考虑，使得得到的目标顶点坐标的精度更高，进而提升了提取到的目标图像的精度。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，并不能限制本公开。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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示出了可以应用本公开实施例的一种示例性系统架构的示意图；图2示出了可以应用本公开实施例的一种电子设备的示意图；图3示意性示出本公开示例性实施例中一种目标图像提取方法的流程图；图4示意性示出本公开示例性实施例中对输入图像进行第一特征提取的流程图；图5示意性示出本公开示例性实施例中步长为1时bottleneck的结构示意图；图6示意性示出本公开示例性实施例中步长为2时bottleneck的结构示意图；图7示意性示出本公开示例性实施例中概率特征图的示意图；图8示意性示出本公开示例性实施例中第一坐标方向坐标特征图的示意图；图9示意性示出本公开示例性实施例中第二坐标方向坐标特征图的示意图；图10示意性示出本公开示例性实施例中目标图像提取方法的框架示意图；图11示意性示出本公开示例性实施例中目标图像提取方法用户操作界面的示意图；图12示意性示出本公开示例性实施例中用于目标图像提取的神经网络训练方法的流程图；图13示意性示出本公开示例性实施例中一种用于本文档来自技高网...

【技术保护点】
1.一种目标图像提取方法，其特征在于，包括：/n对输入图像进行第一特征提取得到参考特征图；/n对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；/n对各所述目标特征图的特征值进行归一化处理得到与各所述目标特征图一一对应的概率特征图；/n根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，并利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标；/n根据所述目标顶点坐标完成对所述目标图像的提取。/n

【技术特征摘要】
1.一种目标图像提取方法，其特征在于，包括：
对输入图像进行第一特征提取得到参考特征图；
对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图；
对各所述目标特征图的特征值进行归一化处理得到与各所述目标特征图一一对应的概率特征图；
根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，并利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标；
根据所述目标顶点坐标完成对所述目标图像的提取。


2.根据权利要求1所述的方法，其特征在于，对输入图像进行第一特征提取得到参考特征图；包括：
获取所述输入图像的输入特征图像，并利用第一卷积层对所述输入特征图像进行特征升维扩展得到第一特征图，其中，所述第一卷积层配置有非线性激活函数；
利用深度可分卷积层对所述第一特征图进行特征提取得到第二特征图，其中，所述深度可分卷积层配置有非线性激活函数；
利用第二卷积层对所述第二特征图进行降维处理得到所述参考特征图，其中，所述第二卷积层配置有线性激活函数。


3.根据权利要求1所述的方法，其特征在于，所述对所述参考特征图进行第二特征提取得到数量与所述顶点数量相同的目标特征图，包括：
利用通道数与所述顶点数量相同的目标卷积层对所述参考特征图进行第二特征提取得到数量与输入图像中目标图像的顶点数量相同的目标特征图。


4.根据权利要求1所述的方法，其特征在于，所述根据各所述概率特征图获取与各所述概率特征图对应的坐标特征图，包括：
获取各所述概率特征图第一坐标方向的尺寸信息和第二坐标方向的尺寸信息；
根据各所述概率特征图第一坐标方向的尺寸信息和第二坐标方向的尺寸信息利用坐标映射关系获取与各所述概率特征图对应第一坐标方向坐标特征图和第二坐标方向的坐标特征图。


5.根据权利要求4所述的方法，其特征在于，所述坐标映射关系包括第一坐标方向坐标映射关系和第二坐标方向坐标映射关系；
其中，第一坐标方向坐标映射关系为：



第二坐标方向坐标映射关系为：



其中，i＝1,2,……,n，j＝1,2,……,m，n和m分别表示所述概率特征图的第一坐标方向的尺寸信息和第二坐标方向的尺寸信息。


6.根据权利要求1或4所述的方法，其特征在于，利用各所述概率特征图和对应的所述坐标特征图确定所述目标图像的每一个顶点的目标顶点坐标，包括：
利用各所述概率特征图和对应的所述坐标特征图进行坐标加权得到所述目标图像的每一个顶点的顶点相对坐标；
根据所述顶点相对坐标和所述输入图像第一坐标方向的尺寸信息和第二坐标方向的尺寸信息利用像素映射关系得到所述目标顶点坐标。


7.根据权利要求6所述的方法，其特征在于，所述利用各所述概率特征图和对应的所述坐标特征图进行坐标加权得到所述目标图像的每一个顶点的顶点相对坐标，包括：
利用各所述概率特征图的矩阵和对应的所述坐标特征图的矩阵做矩阵点乘得到所述顶点相对坐标。


8.根据权利要求6所述的方法，其特征在于，所述像素映射关系包括第一坐标方向像素映射关系和第二坐标方向像素映射关系；
其中，第一坐标方向像素映射关系为：



第二坐标方向像素映射关系为：



其中，x为所述顶点相对坐标中第一坐标方向上的值...

【专利技术属性】
技术研发人员：颜波，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44