CN109272050B - 图像处理方法和装置 - Google Patents
图像处理方法和装置 Download PDFInfo
- Publication number
- CN109272050B CN109272050B CN201811159995.0A CN201811159995A CN109272050B CN 109272050 B CN109272050 B CN 109272050B CN 201811159995 A CN201811159995 A CN 201811159995A CN 109272050 B CN109272050 B CN 109272050B
- Authority
- CN
- China
- Prior art keywords
- subgraph
- anchor point
- target
- frame
- point frame
- 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
Classifications
-
- 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
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了图像处理方法和装置。该方法的一具体实施方式包括：获取包含目标的目标图像；在所述目标图像中，确定出至少两个子图像；对于每个栅格，确定该栅格的指定点，基于所述指定点和所述目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，所述指定点位于各个待选锚点框的指定位置；对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。本申请实施例能够确定每个子图像的锚点框，从而提高检测图像中不同区域所包含的目标的准确度。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及图像处理方法和装置。
背景技术
卷积神经网络是多层神经网络，擅长处理图像。需要对卷积神经网络设置几个锚点框(anchor box)，以作为卷积神经网络确定候选框(proposal)的依据。在应用卷积神经网络的过程中，经常会出现图像中的某个目标，与锚点框的偏差较大的情况。
发明内容
本申请实施例提出了图像处理方法和装置。
第一方面，本申请实施例提供了一种图像处理方法，包括：获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格；在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像；对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置；对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
在一些实施例中，在将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框之后，方法还包括：将输入图像输入卷积神经网络进行检测，利用卷积神经网络的区域候选网络，在输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定候选框。
在一些实施例中，在输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定候选框，包括：在输入图像的每个子图像中，确定待确定的候选框的指定点与该子图像的锚点框的指定点之间的距离偏移量，基于该子图像的锚点框的位置和距离偏移量，确定候选框的指定点的位置；确定待确定的候选框的尺寸与该子图像的锚点框的尺寸之间的差值，基于锚点框的尺寸和差值，确定候选框的尺寸。
在一些实施例中，目标图像中包含至少两个目标，至少两个目标位于至少两个子图像内；所包含的至少一个目标大于第一尺寸阈值，所包含的至少一个目标小于第二尺寸阈值，第一尺寸阈值大于第二尺寸阈值。
在一些实施例中，对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框，包括：对于每个子图像，对该子图像中，各个栅格的待选锚点框的位置和尺寸所对应的向量进行聚类；将聚类得到的各个聚类中心确定为至少一个目标锚点框。
第二方面，本申请实施例提供了一种图像处理装置，包括：获取单元，被配置成获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格；第一确定单元，被配置成在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像；生成单元，被配置成对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置；聚类单元，被配置成对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；第二确定单元，被配置成将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
在一些实施例中，装置还包括：检测单元，被配置成将输入图像输入卷积神经网络进行检测，利用卷积神经网络的区域候选网络，在输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定候选框。
在一些实施例中，检测单元，进一步被配置成：在输入图像的每个子图像中，确定待确定的候选框的指定点与该子图像的锚点框的指定点之间的距离偏移量，基于该子图像的锚点框的位置和距离偏移量，确定候选框的指定点的位置；确定待确定的候选框的尺寸与该子图像的锚点框的尺寸之间的差值，基于锚点框的尺寸和差值，确定候选框的尺寸。
在一些实施例中，目标图像中包含至少两个目标，至少两个目标位于至少两个子图像内；所包含的至少一个目标大于第一尺寸阈值，所包含的至少一个目标小于第二尺寸阈值，第一尺寸阈值大于第二尺寸阈值。
在一些实施例中，聚类单元，进一步被配置成：对于每个子图像，对该子图像中，各个栅格的待选锚点框的位置和尺寸所对应的向量进行聚类；将聚类得到的各个聚类中心确定为至少一个目标锚点框。
第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，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，使得一个或多个处理器实现如图像处理方法中任一实施例的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图像处理方法中任一实施例的方法。
本申请实施例提供的图像处理方案，首先，获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格。之后，在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像。而后，对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置。然后，对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框。最后，将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。本申请实施例能够确定每个子图像的锚点框，这样，能够避免卷积神经网络在对大尺寸的图像生成候选框时，候选框与锚点框所存在的较大偏移量，从而提高检测图像中不同区域所包含的目标的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的图像处理方法的一个实施例的流程图；
图3是根据本申请的图像处理方法的一个应用场景的示意图；
图4是根据本申请的图像处理方法的又一个实施例的流程图；
图5是根据本申请的图像处理装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的图像处理方法或图像处理装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像处理应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对获取到的图像等数据进行分析等处理，并将处理结果(例如卷积神经网络的锚点框)反馈给终端设备。
需要说明的是，本申请实施例所提供的图像处理方法可以由服务器105或者终端设备101、102、103执行，相应地，图像处理装置可以设置于服务器105或者终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的图像处理方法的一个实施例的流程200。该图像处理方法，包括以下步骤：
步骤201，获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格。
在本实施例中，图像处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取包含目标的目标图像。目标指图像中呈现的物体，比如，人、猫、树等等。栅格为预先对图像划分的尺寸相等的格子，栅格的尺寸为预先设定的。具体地，这里的尺寸可以指宽、高或长、宽或面积等等。
步骤202，在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像。
在本实施例中，上述执行主体可以在目标图像中，确定出至少两个尺寸相等的子图像。各个子图像的集合覆盖目标图像，因而在确定子图像之后，目标图像中的所有位置都在子图像的范围内。举例来说，目标图像为矩形，可以将其等分为8个栅格。可以从目标图像中确定出4个子图像，其中的每个子图像包括两个栅格。也可以从目标图像中确定出2个子图像，那么其中的每个子图像则包括四个栅格。
在本实施例的一些可选的实现方式中，相邻的子图像之间存在重叠。
在这些可选的实现方式中，相邻的子图像之间的重叠面积可以是预先设定的。比如，可以设定相重叠的面积的大小。或者，也可以设定相重叠的面积大小占子图像的面积大小的比值等等。
步骤203，对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置。
在本实施例中，对于每个栅格，上述执行主体可以确定该栅格的指定点，并获取目标图像包含的目标。之后，基于指定点和所获取的目标生成待选锚点框。具体地，可以通过对图像检测或者从其他电子设备获取到目标图像中的目标。
上述锚点框为卷积神经网络的区域候选网络(Region Proposal Network，RPN)生成候选框的依据。可以计算候选框与锚点框的偏移量，并通过锚点框以及偏移量确定候选框。
上述指定点位于该栅格内，并位于待选锚点框的指定位置。比如指定点可以位于栅格的中心，并且位于待选锚点框的中心。在上述情况下，指定点可以落在待选锚点框内，在一些应用场景中，指定点也可以位于待选锚点框上或者待选锚点框外。比如，指定点可以是栅格的左上角顶点，并且是待选锚点框的左上角顶点。
在实践中，上述执行主体可以依据目标的位置和尺寸，确定锚点框的位置和尺寸。具体地，在某个子图像中存在某个目标，就可以以此目标的尺寸来设定该子图像中一个锚点框的尺寸。
步骤204，对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框。
在本实施例中，对于每个子图像，上述执行主体可以对该子图像中，各个栅格的待选锚点框进行聚类，生成至少一个目标锚点框。待选锚点框位于栅格内，可以利用待选锚点框的坐标，对待选锚点框进行聚类。比如，待选锚点框的位置可以表示为(x，y)，可以对各个栅格的待选锚点框的(x，y)进行聚类。这里的位置(x，y)通常采用待选锚点框的一个特定点来表示，比如左上角顶点或者中心点。之后，可以将聚类中心的位置作为目标锚点框的位置。在这里，聚类中心所对应的锚点框的位置可以是聚类产生的新位置，也可以与某个待选锚点框的位置相同。目标锚点框的尺寸可以是该子图像中各个待选锚点框的尺寸的均值。
聚类中心表示为(x，y)，也即目标锚点框的宽、高。得到的聚类中心的数量可以是一个或者两个以上。
在实践中，聚类可以采用K均值(K-Means)聚类算法、基于高斯混合模型(GaussianMixed Model，GMM)的聚类算法等等。
在本实施例的一些可选的实现方式中，步骤204可以包括：
对于每个子图像，对该子图像中，各个栅格的待选锚点框的位置和尺寸所对应的向量进行聚类；将聚类得到的各个聚类中心确定为至少一个目标锚点框。
在这些可选的实现方式中，待选锚点框的位置和尺寸所对应的向量可以是(x,y,w,h)。其中的x和y可以是待选锚点框的指定点(比如待选锚点框的左上角顶点或者中心点)的坐标值，w和h则为待选锚点框的宽和高。在聚类后，上述执行主体则可以将聚类中心(x,y,w,h)中的x和y作为目标锚点框的位置(x，y)，并将聚类中心(x,y,w,h)中的w和h作为目标锚点框的宽和高。采用这些实现方式进行聚类，待选锚点框的位置和尺寸都能够参与聚类过程，以得到准确的目标锚点框。
步骤205，将每个子图像的目标锚点框作为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
在本实施例中，上述执行主体可以将子图像的目标锚点框作为指定的卷积神经网络的输入图像(input)中的子图像的锚点框。子图像的锚点框可以用于确定候选框，这里的候选框用于指示该子图像所包含的目标。在目标图像中的子图像与其在输入图像中的相对应的子图像的位置和尺寸相同。因而，在目标图像和输入图像中，相同位置和尺寸的子图像的锚点框是相同的。比如，某个子图像左上角的顶点是目标图像左上角的顶点，那么该子图像在输入图像中相对应的子图像左上角的顶点也是输入图像左上角的顶点。这样，卷积神经网络就能够利用输入图像中各个子图像的锚点框，来确定该子图像所包含目标的边框。
在本实施例的一些可选的实现方式中，目标图像中包含至少两个目标，至少两个目标位于至少两个子图像内；所包含的至少一个目标大于第一尺寸阈值，所包含的至少一个目标小于第二尺寸阈值，第一尺寸阈值大于第二尺寸阈值。
在这些可选的实现方式中，如果目标图像中包含的目标较多，并且各个目标的尺寸差别较大，那么可以采用本实施例中的方案对输入图像中不同子图像确定锚点框。这样，即使在各个子图像中的目标的尺寸差别较大的情况下，仍然能够准确地确定各个目标的候选框。
继续参见图3，图3是根据本实施例的图像处理方法的应用场景的一个示意图。在图3的应用场景中，执行主体301可以获取包含目标的目标图像302，其中，目标图像包括至少两个预设的栅格。在目标图像中，确定出至少两个子图像303，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像。对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框304，其中，指定点位于各个待选锚点框的指定位置。对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框305。将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框306。
本实施例能够确定每个子图像的锚点框，这样，能够避免卷积神经网络在对大尺寸的图像生成候选框时，候选框与锚点框所存在的较大偏移量，从而提高检测图像中不同区域所包含的目标的准确度。
进一步参考图4，其示出了图像处理方法的又一个实施例的流程400。该图像处理方法的流程400，包括以下步骤：
步骤401，获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格。
在本实施例中，图像处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取包含目标的目标图像。目标指图像中呈现的物体，比如，人、猫、树等等。栅格为预先对图像划分的尺寸相等的格子，栅格的尺寸为预先设定的。
步骤402，在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像。
在本实施例中，上述执行主体可以在目标图像中，确定出至少两个尺寸相等的子图像。各个子图像的集合覆盖目标图像，因而在确定子图像之后，目标图像中的所有位置都在子图像的范围内。
步骤403，对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置。
在本实施例中，上述执行主体可以对于每个栅格，确定该栅格的指定点，并获取目标图像包含的目标。之后，基于指定点和所获取的目标生成待选锚点框。具体地，可以通过对图像检测或者从其他电子设备获取到目标图像中的目标。
步骤404，对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框。
在本实施例中，上述执行主体对于每个子图像，可以对该子图像中，各个栅格的待选锚点框进行聚类，以聚类得到至少一个目标锚点框。待选锚点框位于栅格内，可以利用待选锚点框的坐标，对待选锚点框进行聚类。
步骤405，将每个子图像的目标锚点框作为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
在本实施例中，上述执行主体可以将子图像的目标锚点框作为指定的卷积神经网络的输入图像中的子图像的锚点框。子图像的锚点框用于确定候选框，这里的候选框用于指示该子图像所包含的目标。
步骤406，将输入图像输入卷积神经网络进行检测，利用卷积神经网络的区域候选网络，在输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定候选框。
在本实施例中，上述执行主体可以将输入图像输入卷积神经网络进行检测，利用卷积神经网络的区域候选网络，在输入图像的每个子图像中，确定候选框。具体地，上述执行主体可以确定在每个子图像中待确定的候选框与该子图像中的锚点框的偏移量，并确定候选框。在这里，偏移量可以指位置和/或尺寸的偏移量。
在实践中，在确定候选框之后，上述执行主体可以确定候选框在输入图像中包围的区域在特征图像(feature map)中所对应的特征，并利用特定池化层(ROI pooling)对特征进行处理，之后将处理结果输入全连接层。而后，将全连接层的结果输入分类器并进行边框回归，在经过非极大值抑制之后，最终得到检测结果，即包含目标的边框。
在本实施例的一些可选的实现方式中，步骤406中的在输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定候选框，可以包括：
在输入图像的每个子图像中，确定待确定的候选框的指定点与该子图像的锚点框的指定点之间的距离偏移量，基于该子图像的锚点框的位置和距离偏移量，确定候选框的指定点的位置；确定待确定的候选框的尺寸与该子图像的锚点框的尺寸之间的差值，基于锚点框的尺寸和差值，确定候选框的尺寸。
在这些可选的实现方式中，在每个子图像中，待确定的候选框与锚点框的偏移量可以包括位置的距离偏移量和尺寸的差值。上述执行主体可以通过指定点之间的距离偏移量来确定待确定的候选框与锚点框之间的距离偏移量。之后确定尺寸的差值。最后在该子图像中确定锚点框以上述偏移量进行偏移后所在的位置为候选框的位置，并确定以上述差值对锚点框进行尺寸调整后的尺寸为候选框的尺寸。
这些实现方式通过确定候选框与锚点框关于位置和尺寸的偏移量，准确地确定出候选框。
本实施例采用对输入图像中的不同子图像设置了锚点框的卷积神经网络进行检测，能够对输入图像的各个子图像确定较为准确的候选框，进而提高检测的准确度。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种图像处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的图像处理装置500包括：获取单元501、第一确定单元502、生成单元503、聚类单元504和第二确定单元505。其中，获取单元501，被配置成获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格；第一确定单元502，被配置成在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像；生成单元503，被配置成对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置；聚类单元504，被配置成对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；第二确定单元505，被配置成将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
在一些实施例中，图像处理装置500的获取单元501可以获取包含目标的目标图像。目标指图像中呈现的物体，比如，人、猫、树等等。栅格为预先对图像划分的尺寸相等的格子，栅格的尺寸为预先设定的。具体地，这里的尺寸可以指宽、高或长、宽或面积等等。
在一些实施例中，第一确定单元502可以在目标图像中，确定出至少两个尺寸相等的子图像。各个子图像的集合覆盖目标图像，因而在确定子图像之后，目标图像中的所有位置都在子图像的范围内。举例来说，目标图像为矩形，可以将其等分为8个栅格。可以从目标图像中确定出4个子图像，其中的每个子图像包括两个栅格。也可以从目标图像中确定出2个子图像，那么其中的每个子图像则包括四个栅格。
在一些实施例中，生成单元503可以确定该栅格的指定点，并获取目标图像包含的目标。之后，基于指定点和所获取的目标生成待选锚点框。具体地，可以通过对图像检测或者从其他电子设备获取到目标图像中的目标。
在一些实施例中，聚类单元504可以对该子图像中，各个栅格的待选锚点框进行聚类，生成至少一个目标锚点框。待选锚点框位于栅格内，可以利用待选锚点框的坐标，对待选锚点框进行聚类。
在一些实施例中，第二确定单元505可以将子图像的目标锚点框作为指定的卷积神经网络的输入图像中的子图像的锚点框。子图像的锚点框可以用于确定候选框，这里的候选框用于指示该子图像所包含的目标。在目标图像中的子图像与其在输入图像中的相对应的子图像的位置和尺寸相同。因而，在目标图像和输入图像中，相同位置和尺寸的子图像的锚点框是相同的。
在本实施例的一些可选的实现方式中，装置还包括：检测单元，被配置成将输入图像输入卷积神经网络进行检测，利用卷积神经网络的区域候选网络，在输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定候选框。
在本实施例的一些可选的实现方式中，检测单元，进一步被配置成：在输入图像的每个子图像中，确定待确定的候选框的指定点与该子图像的锚点框的指定点之间的距离偏移量，基于该子图像的锚点框的位置和距离偏移量，确定候选框的指定点的位置；确定待确定的候选框的尺寸与该子图像的锚点框的尺寸之间的差值，基于锚点框的尺寸和差值，确定候选框的尺寸。
在本实施例的一些可选的实现方式中，目标图像中包含至少两个目标，至少两个目标位于至少两个子图像内；所包含的至少一个目标大于第一尺寸阈值，所包含的至少一个目标小于第二尺寸阈值，第一尺寸阈值大于第二尺寸阈值。
在本实施例的一些可选的实现方式中，聚类单元，进一步被配置成：对于每个子图像，对该子图像中，各个栅格的待选锚点框的位置和尺寸所对应的向量进行聚类；将聚类得到的各个聚类中心确定为至少一个目标锚点框。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU和/或GPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。中央处理单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示屏(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、生成单元、聚类单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取包含目标的目标图像的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取包含目标的目标图像，其中，目标图像包括至少两个预设的栅格；在目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖目标图像；对于每个栅格，确定该栅格的指定点，基于指定点和目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，指定点位于各个待选锚点框的指定位置；对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种图像处理方法，包括：
获取包含目标的目标图像，其中，所述目标图像包括至少两个预设的栅格；
在所述目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖所述目标图像；
对于每个栅格，确定该栅格的指定点，基于所述指定点和所述目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，所述指定点位于各个待选锚点框的指定位置；
对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；
将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
2.根据权利要求1所述的方法，其中，在所述将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框之后，所述方法还包括：
将输入图像输入所述卷积神经网络进行检测，利用所述卷积神经网络的区域候选网络，在所述输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定所述候选框。
3.根据权利要求2所述的方法，其中，所述在所述输入图像的每个子图像中，确定待确定的候选框与所述锚点框之间的偏移量，以确定所述候选框，包括：
在所述输入图像的每个子图像中，确定待确定的候选框的指定点与该子图像的锚点框的指定点之间的距离偏移量，基于该子图像的锚点框的位置和所述距离偏移量，确定所述候选框的指定点的位置；确定待确定的候选框的尺寸与该子图像的锚点框的尺寸之间的差值，基于所述锚点框的尺寸和所述差值，确定所述候选框的尺寸。
4.根据权利要求1所述的方法，其中，所述目标图像中包含至少两个目标，所述至少两个目标位于至少两个子图像内；
所包含的至少一个目标大于第一尺寸阈值，所包含的至少一个目标小于第二尺寸阈值，所述第一尺寸阈值大于所述第二尺寸阈值。
5.根据权利要求1所述的方法，其中，所述对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框，包括：
对于每个子图像，对该子图像中，各个栅格的待选锚点框的位置和尺寸所对应的向量进行聚类；
将聚类得到的各个聚类中心确定为所述至少一个目标锚点框。
6.一种图像处理装置，包括：
获取单元，被配置成获取包含目标的目标图像，其中，所述目标图像包括至少两个预设的栅格；
第一确定单元，被配置成在所述目标图像中，确定出至少两个子图像，其中，各个子图像包括相等数量的栅格，各个子图像的集合覆盖所述目标图像；
生成单元，被配置成对于每个栅格，确定该栅格的指定点，基于所述指定点和所述目标图像所包含的目标，生成预设数量不同尺寸的待选锚点框，其中，所述指定点位于各个待选锚点框的指定位置；
聚类单元，被配置成对于每个子图像，对该子图像中，各个栅格的待选锚点框进行聚类，得到至少一个目标锚点框；
第二确定单元，被配置成将每个子图像的目标锚点框确定为该子图像在指定的卷积神经网络的输入图像中所对应的子图像的锚点框。
7.根据权利要求6所述的装置，其中，所述装置还包括：
检测单元，被配置成将输入图像输入所述卷积神经网络进行检测，利用所述卷积神经网络的区域候选网络，在所述输入图像的每个子图像中，确定待确定的候选框与锚点框之间的偏移量，以确定所述候选框。
8.根据权利要求7所述的装置，其中，所述检测单元，进一步被配置成：
在所述输入图像的每个子图像中，确定待确定的候选框的指定点与该子图像的锚点框的指定点之间的距离偏移量，基于该子图像的锚点框的位置和所述距离偏移量，确定所述候选框的指定点的位置；确定待确定的候选框的尺寸与该子图像的锚点框的尺寸之间的差值，基于所述锚点框的尺寸和所述差值，确定所述候选框的尺寸。
9.根据权利要求6所述的装置，其中，所述目标图像中包含至少两个目标，所述至少两个目标位于至少两个子图像内；
所包含的至少一个目标大于第一尺寸阈值，所包含的至少一个目标小于第二尺寸阈值，所述第一尺寸阈值大于所述第二尺寸阈值。
10.根据权利要求6所述的装置，其中，所述聚类单元，进一步被配置成：
对于每个子图像，对该子图像中，各个栅格的待选锚点框的位置和尺寸所对应的向量进行聚类；
将聚类得到的各个聚类中心确定为所述至少一个目标锚点框。
11.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811159995.0A CN109272050B (zh) | 2018-09-30 | 2018-09-30 | 图像处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811159995.0A CN109272050B (zh) | 2018-09-30 | 2018-09-30 | 图像处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109272050A CN109272050A (zh) | 2019-01-25 |
| CN109272050B true CN109272050B (zh) | 2019-11-22 |
Family
ID=65195003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811159995.0A Active CN109272050B (zh) | 2018-09-30 | 2018-09-30 | 图像处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109272050B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766257B (zh) * | 2019-10-21 | 2024-04-12 | 阿里巴巴集团控股有限公司 | 一种目标区域的选定方法、装置、以及电子设备 |
| CN111524165B (zh) * | 2020-04-22 | 2023-08-25 | 北京百度网讯科技有限公司 | 目标跟踪方法和装置 |
| CN111782313B (zh) * | 2020-05-15 | 2023-10-20 | 北京完美知识科技有限公司 | 一种显示方法、装置、设备、系统及存储介质 |
| CN114360291A (zh) * | 2021-12-23 | 2022-04-15 | 东风柳州汽车有限公司 | 驾驶员危险预警方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106037797A (zh) * | 2015-03-30 | 2016-10-26 | 美国西门子医疗解决公司 | 超声成像中感兴趣的三维容积 |
| CN106651955A (zh) * | 2016-10-10 | 2017-05-10 | 北京小米移动软件有限公司 | 图片中目标物的定位方法及装置 |
| CN106803071A (zh) * | 2016-12-29 | 2017-06-06 | 浙江大华技术股份有限公司 | 一种图像中的物体检测方法及装置 |
| CN107818302A (zh) * | 2017-10-20 | 2018-03-20 | 中国科学院光电技术研究所 | 基于卷积神经网络的非刚性多尺度物体检测方法 |
| CN108604259A (zh) * | 2015-09-17 | 2018-09-28 | 项目遗产私人有限公司 | 发现感兴趣的人或目标的系统和方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6334735B2 (ja) * | 2014-05-06 | 2018-05-30 | ナント・ホールデイングス・アイ・ピー・エル・エル・シー | エッジベクトルを利用した画像特徴検出 |
| CN112651288B (zh) * | 2014-06-14 | 2022-09-20 | 奇跃公司 | 用于产生虚拟和增强现实的方法和系统 |
-
2018
- 2018-09-30 CN CN201811159995.0A patent/CN109272050B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106037797A (zh) * | 2015-03-30 | 2016-10-26 | 美国西门子医疗解决公司 | 超声成像中感兴趣的三维容积 |
| CN108604259A (zh) * | 2015-09-17 | 2018-09-28 | 项目遗产私人有限公司 | 发现感兴趣的人或目标的系统和方法 |
| CN106651955A (zh) * | 2016-10-10 | 2017-05-10 | 北京小米移动软件有限公司 | 图片中目标物的定位方法及装置 |
| CN106803071A (zh) * | 2016-12-29 | 2017-06-06 | 浙江大华技术股份有限公司 | 一种图像中的物体检测方法及装置 |
| CN107818302A (zh) * | 2017-10-20 | 2018-03-20 | 中国科学院光电技术研究所 | 基于卷积神经网络的非刚性多尺度物体检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Depth estimation in integral images by anchoring optimization techniques;D. Zarpalas 等;《2011 IEEE International Conference on Multimedia and Expo》;20110711;第1-6页 * |
| 基于卷积神经网络的目标识别及姿态检测;黄心汉 等;《华中科技大学学报(自然科学版)》;20171031;第45卷(第10期);第7-11页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109272050A (zh) | 2019-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272050B (zh) | 图像处理方法和装置 | |
| CN109308681A (zh) | 图像处理方法和装置 | |
| CN108510472B (zh) | 用于处理图像的方法和装置 | |
| CN109389640A (zh) | 图像处理方法和装置 | |
| CN108446698A (zh) | 在图像中检测文本的方法、装置、介质及电子设备 | |
| CN108830235A (zh) | 用于生成信息的方法和装置 | |
| CN109472264B (zh) | 用于生成物体检测模型的方法和装置 | |
| CN109087377B (zh) | 用于处理图像的方法和装置 | |
| CN109255337A (zh) | 人脸关键点检测方法和装置 | |
| CN108090916A (zh) | 用于跟踪视频中的目标图形的方法和装置 | |
| CN109389072A (zh) | 数据处理方法和装置 | |
| CN109711508A (zh) | 图像处理方法和装置 | |
| CN108491816A (zh) | 在视频中进行目标跟踪的方法和装置 | |
| CN109242801A (zh) | 图像处理方法和装置 | |
| CN109377508A (zh) | 图像处理方法和装置 | |
| CN109410253B (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
| CN109344762A (zh) | 图像处理方法和装置 | |
| CN109255767A (zh) | 图像处理方法和装置 | |
| CN109118456A (zh) | 图像处理方法和装置 | |
| CN109344752A (zh) | 用于处理嘴部图像的方法和装置 | |
| CN108984399A (zh) | 检测界面差异的方法、电子设备和计算机可读介质 | |
| CN109215121A (zh) | 用于生成信息的方法和装置 | |
| CN109345580A (zh) | 用于处理图像的方法和装置 | |
| CN108960110A (zh) | 用于生成信息的方法和装置 | |
| CN110516678A (zh) | 图像处理方法和装置 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee after: Douyin Vision Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee before: Tiktok vision (Beijing) Co.,Ltd. Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee after: Tiktok vision (Beijing) Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |