【技术实现步骤摘要】
一种图像处理方法及相关装置
本申请涉及人工智能
,尤其涉及一种图像处理方法及相关装置。
技术介绍
计算机视觉是各个应用领域,如制造业、检验、文档分析、医疗诊断,和军事等领域中各种智能/自主系统中不可分割的一部分,它是一门关于如何运用照相机/摄像机和计算机来获取我们所需的,被拍摄对象的数据与信息的学问。形象地说,就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等,从而使计算机能够感知环境。因为感知可以看作是从感官信号中提取信息,所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。总的来说,计算机视觉就是用各种成象系统代替视觉器官获取输入信息,再由计算机来代替大脑对这些输入信息完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界,具有自主适应环境的能力。目标检测,也叫目标提取,是一种基于目标几何和统计特征的图像分割,其关注图像中特定的物体目标,要求同时获得这一特定物体目标的类别信息和位置信息,目标检测在很多场景都有应用,如,无人驾驶的安防系统、智能化交通系统、智能监控系统等。目标检测对于人类来说并不困难,通过对图片中不同颜色模块的感知很容易定位并分类出其中的目标物体。但对于计算机来说,面对的是RGB像素矩阵,很难从图像中直接得到物体的抽象概念并定位其位置,再加上有时候多个物体和杂乱的背景混杂在一起,使得目标检测更加困难。目前,基于卷积神经网络的深度学习在处理计算机视觉任务中有着较好的表现。但是,这类 ...
【技术保护点】
1.一种图像处理方法,其特征在于,包括:/n获取待处理图像的输入特征图,所述输入特征图包括第一输入子特征图和第二输入子特征图,所述第一输入子特征图的分辨率高于所述第二输入子特征图的分辨率;/n通过目标网络对所述输入特征图进行特征融合处理,得到输出特征图,其中所述目标网络为加法神经网络,所述目标网络包括第一支路和第二支路,所述第一支路用于对所述第一输入子特征图执行特征提取处理,得到第一子特征图和第一输出子特征图,所述第一子特征图为所述第一支路得到的中间特征,所述第二支路用于对所述第二输入子特征图和所述第一子特征图执行特征提取处理,得到第二输出子特征图,所述输出特征图包括所述第一输出子特征图和所述第二输出子特征图;/n根据所述输出特征图对所述待处理图像进行目标检测,得到目标检测结果。/n
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:
获取待处理图像的输入特征图,所述输入特征图包括第一输入子特征图和第二输入子特征图,所述第一输入子特征图的分辨率高于所述第二输入子特征图的分辨率;
通过目标网络对所述输入特征图进行特征融合处理,得到输出特征图,其中所述目标网络为加法神经网络,所述目标网络包括第一支路和第二支路,所述第一支路用于对所述第一输入子特征图执行特征提取处理,得到第一子特征图和第一输出子特征图,所述第一子特征图为所述第一支路得到的中间特征,所述第二支路用于对所述第二输入子特征图和所述第一子特征图执行特征提取处理,得到第二输出子特征图,所述输出特征图包括所述第一输出子特征图和所述第二输出子特征图;
根据所述输出特征图对所述待处理图像进行目标检测,得到目标检测结果。
2.根据权利要求1所述的方法,其特征在于,所述第二支路用于对所述第二输入子特征图和所述第一子特征图执行特征提取处理,得到第二输出子特征图,包括:
所述第二支路用于将所述第二输入子特征图和执行下采样处理后的所述第一子特征图相加,得到第二子特征图,并对所述第二子特征图执行特征提取处理,得到所述第二输出子特征图。
3.根据权利要求2所述的方法,其特征在于,所述第二支路对所述第二子特征图执行特征提取处理,包括:
所述第二支路通过卷积层和激活函数对所述第二子特征图进行处理,得到第三子特征图;
所述第二支路将所述第二子特征图和所述第三子特征图相加,得到所述第二输出子特征图。
4.根据权利要求2或3所述的方法,其特征在于,所述第二支路还用于对所述第二子特征图执行特征提取处理,得到第四子特征图,所述第四子特征图为所述第二支路得到的中间特征;
所述第一支路对所述第一输入子特征图执行特征提取处理,包括:
所述第一支路对所述第一子特征图执行特征提取处理,得到所述第一子特征图;
所述第一支路将所述第一子特征图和执行上采样处理后的所述第四子特征图相加,得到第五子特征图;
所述第一支路对所述第五特征图执行特征提取处理,得到所述第一输出子特征图。
5.根据权利要求4所述的方法,其特征在于,所述第一支路对所述第五特征图执行特征提取处理,得到所述第一输出子特征图,包括:
所述第一支路通过卷积层和激活函数对所述第五子特征图进行处理,得到第六子特征图;
所述第一支路将所述第五子特征图和所述第六子特征图相加,得到所述第一输出子特征图。
6.根据权利要求1-5任意一项所述的方法,其特征在于,所述输入特征图的梯度由所述目标网络的权重与所述输入特征图之间的差值确定。
7.根据权利要求6所述的方法,其特征在于,所述输入特征图的梯度是通过对所述目标网络的权重与所述输入特征图之间的差值执行取符号操作得到的。
8.一种图像处理装置,其特征在于,包括:获取单元和处理单元;
所述获取单元用于获取待处理图像的输入特征图,所述输入特征图包括第一输入子特征图和第二输入子特征图,所述第一输入子特征图的分辨率高于所述第二输入子特征图的分辨率;
所述处理单元用于通过目标网络对所述输入特征图进行特征融合处理,得到输...
【专利技术属性】
技术研发人员:陈醒濠,李文硕,王云鹤,许春景,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。