【技术实现步骤摘要】
本申请涉及图像识别领域，特别是涉及一种用于图像阴影检测的cnn模型生成方法、图像阴影检测方法。
技术介绍
1、阴影检测技术是计算机视觉领域中一种常见的图像处理技术，用于检测和识别图像中的阴影区域。阴影通常由物体遮挡光线引起，造成图像中某些区域的亮度较低，并且具有较高的对比度。阴影的检测对于我们要处理的图像非常关键，一方面，知道阴影位置可以让我们获得照明方向、相机参数和场景几何结构。然而，另一方面，阴影的存在可能会降低许多计算机视觉任务的性能，例如，对象检测和跟踪。因此，阴影检测一直是计算机视觉研究的基本问题。
2、通过卷积神经网络(convolutional neural networks，cnn)和transformer等深度学习方法，可以更准确地检测阴影区域。这些方法通过学习大量图像数据，自动提取特征和模式，并将其应用于阴影检测任务。通过这些方法，阴影检测水平有了显著的提升。但是它们仍可能将黑色物体误检测为阴影并产生各种伪影，这样就会给阴影检测带来一定的困难。
3、针对现有cnn模型生成方法所生成的cnn模型的阴影检测准确度较低的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本专利技术中提供了一种用于图像阴影检测的cnn模型生成方法、图像阴影检测方法，以解决现有cnn模型生成方法所生成的cnn模型的阴影检测准确度较低的问题。
2、第一个方面，在本专利技术中提供了一种用于图像阴影检测的cnn模型生成方法，所述cnn模型生成方法包括：
3、将具有阴影的图像样本作为cnn模型的输入，以所述cnn模型能够检测所述图像样本中的阴影为目标对所述cnn模型进行训练，生成用于图像阴影检测的cnn模型；
4、其中，所述cnn模型包括特征提取模块、子路径方向激励模块和交互特征空间解码器；
5、所述特征提取模块依次连接的n(n≥2)个特征提取层，所述n个特征提取层被配置为对所述cnn模型的输入进行特征提取；
6、所述子路径方向激励模块被配置为对第n个特征提取层的输出进行方向信息提取；
7、所述交互特征空间解码器被配置为对除所述第n个特征提取层之外的所有特征提取层的输出以及所述子路径方向激励模块的输出进行解码，所述交互特征空间解码器的输出为所述cnn模型的输出。
8、第二个方面，在本专利技术中提供了一种图像阴影检测方法，所述图像阴影检测方法包括：
9、通过目标cnn模型对目标图像进行阴影检测；
10、其中，所述目标cnn模型通过第一个方面所述的用于图像阴影检测的cnn模型生成方法得到。
11、第三个方面，在本专利技术中提供了一种用于图像阴影检测的cnn模型生成装置，所述cnn模型生成装置包括：
12、模型训练模块，用于将具有阴影的图像样本作为cnn模型的输入，以所述cnn模型能够检测所述图像样本中的阴影为目标对所述cnn模型进行训练，生成用于图像阴影检测的cnn模型；
13、其中，所述cnn模型包括特征提取模块、子路径方向激励模块和交互特征空间解码器；
14、所述特征提取模块依次连接的n(n≥2)个特征提取层，所述n个特征提取层被配置为对所述cnn模型的输入进行特征提取；
15、所述子路径方向激励模块被配置为对第n个特征提取层的输出进行方向信息提取；
16、所述交互特征空间解码器被配置为对除所述第n个特征提取层之外的所有特征提取层的输出以及所述子路径方向激励模块的输出进行解码，所述交互特征空间解码器的输出为所述cnn模型的输出。
17、第四个方面，在本专利技术中提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行第一个方面所述的用于图像阴影检测的cnn模型生成方法。
18、第五个方面，在本专利技术中提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一个方面所述的用于图像阴影检测的cnn模型生成方法的步骤。
19、与相关技术相比，本专利技术提供的用于图像阴影检测的cnn模型生成方法，主要通过对cnn模型进行结构优化，将图像中的方向信息应用在阴影检测中，即通过处理将方向信息自然地从原始潜在空间中分离出来并嵌入到通道中，提高了阴影检测的准确度，解决了现有cnn模型生成方法所生成的cnn模型的阴影检测准确度较低的问题。
20、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种用于图像阴影检测的CNN模型生成方法，其特征在于，所述CNN模型生成方法包括：
2.根据权利要求1所述的用于图像阴影检测的CNN模型生成方法，其特征在于，所述特征提取模块为编码器ResNet，所述n为5。
3.根据权利要求1所述的用于图像阴影检测的CNN模型生成方法，其特征在于，所述子路径方向激励模块包括依次连接的第一模块、第二模块和第三模块；
4.根据权利要求3所述的用于图像阴影检测的CNN模型生成方法，其特征在于，所述第二模块被配置为在通道方向上分别对所述第一模块的输出和所述第n个特征提取层的输出进行切分得到I份特征；
5.根据权利要求4所述的用于图像阴影检测的CNN模型生成方法，其特征在于，所述交互特征空间解码器包括n-1个空间流和n-1个特征流；
6.根据权利要求5所述的用于图像阴影检测的CNN模型生成方法，其特征在于，第i个特征流的特征处理流程为：
7.一种图像阴影检测方法，其特征在于，所述图像阴影检测方法包括：
8.一种用于图像阴影检测的CNN模型生成装置，其特征在于，所述CN
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项所述的用于图像阴影检测的CNN模型生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的用于图像阴影检测的CNN模型生成方法的步骤。
...【技术特征摘要】
1.一种用于图像阴影检测的cnn模型生成方法，其特征在于，所述cnn模型生成方法包括：
2.根据权利要求1所述的用于图像阴影检测的cnn模型生成方法，其特征在于，所述特征提取模块为编码器resnet，所述n为5。
3.根据权利要求1所述的用于图像阴影检测的cnn模型生成方法，其特征在于，所述子路径方向激励模块包括依次连接的第一模块、第二模块和第三模块；
4.根据权利要求3所述的用于图像阴影检测的cnn模型生成方法，其特征在于，所述第二模块被配置为在通道方向上分别对所述第一模块的输出和所述第n个特征提取层的输出进行切分得到i份特征；
5.根据权利要求4所述的用于图像阴影检测的cnn模型生成方法，其特征在于，所述交互特征空间解码器包括n-1个空间流...
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。