CN110378976A - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110378976A CN110378976A CN201910652028.6A CN201910652028A CN110378976A CN 110378976 A CN110378976 A CN 110378976A CN 201910652028 A CN201910652028 A CN 201910652028A CN 110378976 A CN110378976 A CN 110378976A
- Authority
- CN
- China
- Prior art keywords
- characteristic pattern
- scale
- grades
- characteristic
- network
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2137—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on criteria of topology preservation, e.g. multidimensional scaling or self-organising maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质,所述方法包括:通过特征提取网络对待处理图像进行特征提取,得到待处理图像的第一特征图;通过M级编码网络对第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,多个特征图中各个特征图的尺度不同;通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到待处理图像的预测结果。本公开实施例可提高预测结果的质量及鲁棒性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
随着人工智能技术的不断发展,其在计算机视觉、语音识别等方面都取得了很好的效果。在对场景中的目标(例如行人、车辆等)进行识别的任务中,可能需要预测场景中目标的数量、分布情况等。由于在该任务中,目标的尺度变化不一,目标之间可能存在不同程度的遮挡,目标的空间分布也可能不同,导致预测的精度较低。
发明内容
本公开提出了一种图像处理技术方案。
根据本公开的一方面,提供了一种图像处理方法,包括:通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图;通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,所述多个特征图中各个特征图的尺度不同;通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,M、N为大于1的整数。
在一种可能的实现方式中,通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,包括:通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第一级编码的第二特征图;通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,m为整数且1<m<M;通过第M级编码网络对第M-1级编码的M个特征图进行尺度缩小及多尺度融合处理,得到第M级编码的M+1个特征图。
在一种可能的实现方式中,通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第二特征图,包括:对所述第一特征图进行尺度缩小,得到第二特征图;对所述第一特征图和所述第二特征图进行融合,得到第一级编码的第一特征图及第一级编码的第二特征图。
在一种可能的实现方式中,通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,包括:对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,所述第m+1个特征图的尺度小于第m-1级编码的m个特征图的尺度;对所述第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,包括:通过第m级编码网络的卷积子网络对第m-1级编码的m个特征图分别进行尺度缩小,得到尺度缩小后的m个特征图,所述尺度缩小后的m个特征图的尺度等于所述第m+1个特征图的尺度;对所述尺度缩小后的m个特征图进行特征融合,得到所述第m+1个特征图。
在一种可能的实现方式中,对第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图,包括:通过第m级编码网络的特征优化子网络对第m-1级编码的m个特征图以及所述第m+1个特征图分别进行特征优化,得到特征优化后的m+1个特征图;通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,所述卷积子网络包括至少一个第一卷积层,所述第一卷积层的卷积核尺寸为3×3,步长为2;所述特征优化子网络包括至少两个第二卷积层以及残差层,所述第二卷积层的卷积核尺寸为3×3,步长为1;所述m+1个融合子网络与优化后的m+1个特征图对应。
在一种可能的实现方式中,对于m+1个融合子网络的第k个融合子网络,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,包括:通过至少一个第一卷积层对尺度大于特征优化后的第k个特征图的k-1个特征图进行尺度缩小,得到尺度缩小后的k-1个特征图,所述尺度缩小后的k-1个特征图的尺度等于特征优化后的第k个特征图的尺度;和/或通过上采样层及第三卷积层对尺度小于特征优化后的第k个特征图的m+1-k个特征图进行尺度放大及通道调整,得到尺度放大后的m+1-k个特征图,所述尺度放大后的m+1-k个特征图的尺度等于特征优化后的第k个特征图的尺度;其中,k为整数且1≤k≤m+1,所述第三卷积层的卷积核尺寸为1×1。
在一种可能的实现方式中,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,还包括:对所述尺度缩小后的k-1个特征图、所述特征优化后的第k个特征图及所述尺度放大后的m+1-k个特征图中的至少两项进行融合,得到第m级编码的第k个特征图。
在一种可能的实现方式中,通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,包括:通过第一级解码网络对第M级编码的M+1个特征图进行尺度放大及多尺度融合处理,得到第一级解码的M个特征图;通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度放大及多尺度融合处理,得到第n级解码的M-n+1个特征图,n为整数且1<n<N≤M;通过第N级解码网络对第N-1级解码的M-N+2个特征图进行多尺度融合处理,得到所述待处理图像的预测结果。
在一种可能的实现方式中,通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度放大及多尺度融合处理,得到第n级解码的M-n+1个特征图,包括:对第n-1级解码的M-n+2个特征图进行融合及尺度放大,得到尺度放大后的M-n+1个特征图;对所述尺度放大后的M-n+1个特征图进行融合,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,通过第N级解码网络对第N-1级解码的M-N+2个特征图进行多尺度融合处理,得到所述待处理图像的预测结果,包括:对第N-1级解码的M-N+2个特征图进行多尺度融合,得到第N级解码的目标特征图;根据所述第N级解码的目标特征图,确定所述待处理图像的预测结果。
在一种可能的实现方式中,对第n-1级解码的M-n+2个特征图进行融合及尺度放大,得到放大后的M-n+1个特征图,包括:通过第n级解码网络的M-n+1个第一融合子网络对第n-1级解码的M-n+2个特征图进行融合,得到融合后的M-n+1个特征图;通过第n级解码网络的反卷积子网络对融合后的M-n+1个特征图分别进行尺度放大,得到尺度放大后的M-n+1个特征图。
在一种可能的实现方式中,对所述尺度放大后的M-n+1个特征图进行融合,得到第n级解码的M-n+1个特征图,包括:通过第n级解码网络的M-n+1个第二融合子网络对所述尺度放大后的M-n+1个特征图进行融合,得到融合的M-n+1个特征图;通过第n级解码网络的特征优化子网络对所述融合的M-n+1个特征图分别进行优化,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,根据所述第N级解码的目标特征图,确定所述待处理图像的预测结果,包括:对所述第N级解码的目标特征图进行优化,得到所述待处理图像的预测密度图;根据所述预测密度图,确定所述待处理图像的预测结果。
在一种可能的实现方式中,通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图,包括:通过所述特征提取网络的至少一个第一卷积层对待处理图像进行卷积,得到卷积后的特征图;通过所述特征提取网络的至少一个第二卷积层对卷积后的特征图进行优化,得到所述待处理图像的第一特征图。
在一种可能的实现方式中,所述第一卷积层的卷积核尺寸为3×3,步长为2;所述第二卷积层的卷积核尺寸为3×3,步长为1。
在一种可能的实现方式中,所述方法还包括:根据预设的训练集,训练所述特征提取网络、所述M级编码网络及所述N级解码网络,所述训练集中包括已标注的多个样本图像。
根据本公开的一方面,提供了一种图像处理装置,包括:特征提取模块,用于通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图;编码模块,用于通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,所述多个特征图中各个特征图的尺度不同;解码模块,用于通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,M、N为大于1的整数。
在一种可能的实现方式中,所述编码模块包括:第一编码子模块,用于通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第一级编码的第二特征图;第二编码子模块,用于通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,m为整数且1<m<M;第三编码子模块,用于通过第M级编码网络对第M-1级编码的M个特征图进行尺度缩小及多尺度融合处理,得到第M级编码的M+1个特征图。
在一种可能的实现方式中,所述第一编码子模块包括:第一缩小子模块,用于对所述第一特征图进行尺度缩小,得到第二特征图;第一融合子模块,用于对所述第一特征图和所述第二特征图进行融合,得到第一级编码的第一特征图及第一级编码的第二特征图。
在一种可能的实现方式中,所述第二编码子模块包括:第二缩小子模块,用于对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,所述第m+1个特征图的尺度小于第m-1级编码的m个特征图的尺度;第二融合子模块,用于对所述第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,所述第二缩小子模块用于:通过第m级编码网络的卷积子网络对第m-1级编码的m个特征图分别进行尺度缩小,得到尺度缩小后的m个特征图,所述尺度缩小后的m个特征图的尺度等于所述第m+1个特征图的尺度;对所述尺度缩小后的m个特征图进行特征融合,得到所述第m+1个特征图。
在一种可能的实现方式中,所述第二融合子模块用于:通过第m级编码网络的特征优化子网络对第m-1级编码的m个特征图以及所述第m+1个特征图分别进行特征优化,得到特征优化后的m+1个特征图;通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,所述卷积子网络包括至少一个第一卷积层,所述第一卷积层的卷积核尺寸为3×3,步长为2;所述特征优化子网络包括至少两个第二卷积层以及残差层,所述第二卷积层的卷积核尺寸为3×3,步长为1;所述m+1个融合子网络与优化后的m+1个特征图对应。
在一种可能的实现方式中,对于m+1个融合子网络的第k个融合子网络,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,包括:通过至少一个第一卷积层对尺度大于特征优化后的第k个特征图的k-1个特征图进行尺度缩小,得到尺度缩小后的k-1个特征图,所述尺度缩小后的k-1个特征图的尺度等于特征优化后的第k个特征图的尺度;和/或通过上采样层及第三卷积层对尺度小于特征优化后的第k个特征图的m+1-k个特征图进行尺度放大及通道调整,得到尺度放大后的m+1-k个特征图,所述尺度放大后的m+1-k个特征图的尺度等于特征优化后的第k个特征图的尺度;其中,k为整数且1≤k≤m+1,所述第三卷积层的卷积核尺寸为1×1。
在一种可能的实现方式中,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,还包括:对所述尺度缩小后的k-1个特征图、所述特征优化后的第k个特征图及所述尺度放大后的m+1-k个特征图中的至少两项进行融合,得到第m级编码的第k个特征图。
在一种可能的实现方式中,所述解码模块包括:第一解码子模块,用于通过第一级解码网络对第M级编码的M+1个特征图进行尺度放大及多尺度融合处理,得到第一级解码的M个特征图;第二解码子模块,用于通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度放大及多尺度融合处理,得到第n级解码的M-n+1个特征图,n为整数且1<n<N≤M;第三解码子模块,用于通过第N级解码网络对第N-1级解码的M-N+2个特征图进行多尺度融合处理,得到所述待处理图像的预测结果。
在一种可能的实现方式中,所述第二解码子模块包括:放大子模块,用于对第n-1级解码的M-n+2个特征图进行融合及尺度放大,得到尺度放大后的M-n+1个特征图;第三融合子模块,用于对所述尺度放大后的M-n+1个特征图进行融合,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,所述第三解码子模块包括:第四融合子模块,用于对第N-1级解码的M-N+2个特征图进行多尺度融合,得到第N级解码的目标特征图;结果确定子模块,用于根据所述第N级解码的目标特征图,确定所述待处理图像的预测结果。
在一种可能的实现方式中,所述放大子模块用于:通过第n级解码网络的M-n+1个第一融合子网络对第n-1级解码的M-n+2个特征图进行融合,得到融合后的M-n+1个特征图;通过第n级解码网络的反卷积子网络对融合后的M-n+1个特征图分别进行尺度放大,得到尺度放大后的M-n+1个特征图。
在一种可能的实现方式中,所述第三融合子模块用于:通过第n级解码网络的M-n+1个第二融合子网络对所述尺度放大后的M-n+1个特征图进行融合,得到融合的M-n+1个特征图;通过第n级解码网络的特征优化子网络对所述融合的M-n+1个特征图分别进行优化,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,所述结果确定子模块用于:对所述第N级解码的目标特征图进行优化,得到所述待处理图像的预测密度图;根据所述预测密度图,确定所述待处理图像的预测结果。
在一种可能的实现方式中,所述特征提取模块包括:卷积子模块,用于通过所述特征提取网络的至少一个第一卷积层对待处理图像进行卷积,得到卷积后的特征图;优化子模块,用于通过所述特征提取网络的至少一个第二卷积层对卷积后的特征图进行优化,得到所述待处理图像的第一特征图。
在一种可能的实现方式中,所述第一卷积层的卷积核尺寸为3×3,步长为2;所述第二卷积层的卷积核尺寸为3×3,步长为1。
在一种可能的实现方式中,所述装置还包括:训练子模块,用于根据预设的训练集,训练所述特征提取网络、所述M级编码网络及所述N级解码网络,所述训练集中包括已标注的多个样本图像。
根据本公开的另一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,能够通过M级编码网络对图像的特征图进行尺度缩小及多尺度融合,并通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合,从而在编码及解码过程中多次融合多尺度的全局信息和局部信息,保留了更有效的多尺度信息,提高了预测结果的质量及鲁棒性。
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,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图。
图2a、图2b及图2c示出根据本公开实施例的图像处理方法的多尺度融合过程的示意图。
图3示出根据本公开实施例的图像处理方法的网络结构的示意图。
图4示出根据本公开实施例的图像处理装置的框图。
图5示出根据本公开实施例的一种电子设备的框图。
图6示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的图像处理方法的流程图,如图1所示,所述图像处理方法包括:
在步骤S11中,通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图;
在步骤S12中,通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,所述多个特征图中各个特征图的尺度不同;
在步骤S13中,通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,M、N为大于1的整数。
在一种可能的实现方式中,所述图像处理方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
在一种可能的实现方式中,待处理图像可以是图像采集设备(例如摄像头)拍摄的监控区域(例如路口、商场等区域)的图像,也可以是通过其他方式获取的图像(例如网络下载的图像)。待处理图像中可包括一定数量的目标(例如行人、车辆、顾客等)。本公开对待处理图像的类型、获取方式以及图像中目标的类型不作限制。
在一种可能的实现方式中,可通过神经网络(例如包括特征提取网络、编码网络及解码网络)对待处理图像进行分析,预测出待处理图像中的目标的数量、分布情况等信息。该神经网络可例如包括卷积神经网络,本公开对神经网络的具体类型不作限制。
在一种可能的实现方式中,可在步骤S11中通过特征提取网络对待处理图像进行特征提取,得到待处理图像的第一特征图。该特征提取网络可至少包括卷积层,可通过带步长的卷积层(步长>1)缩小图像或特征图的尺度,并通过不带步长的卷积层(步长=1)对特征图进行优化。经特征提取网络处理后,可得到第一特征图。本公开对特征提取网络的网络结构不作限制。
由于尺度较大的特征图中包括待处理图像的更多的局部信息,尺度较小的特征图中包括待处理图像的更多的全局信息,因此可在多尺度上对全局和局部信息进行融合,提取更加有效的多尺度的特征。
在一种可能的实现方式中,可在步骤S12中通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,多个特征图中各个特征图的尺度不同。这样,可在每个尺度上将全局和局部的信息进行融合,提高所提取的特征的有效性。
在一种可能的实现方式中,M级编码网络中的每级编码网络可包括卷积层、残差层、上采样层、融合层等。对于第一级编码网络,可通过第一级编码网络的卷积层(步长>1)对第一特征图进行尺度缩小,得到尺度缩小后的特征图(第二特征图);通过第一级编码网络的卷积层(步长=1)和/或残差层分别对第一特征图和第二特征图进行特征优化,得到特征优化后的第一特征图和第二特征图;再通过第一级编码网络的上采样层、卷积层(步长>1)和/或融合层等分别对特征优化后的第一特征图和第二特征图进行融合,得到第一级编码的第一特征图及第二特征图。
在一种可能的实现方式中,与第一级编码网络类似,可通过M级编码网络中的各级编码网络依次对前一级编码后的多个特征图进行尺度缩小及多尺度融合,通过多次融合全局信息和局部信息进一步提高所提取的特征的有效性。
在一种可能的实现方式中,经M级编码网络处理后,可得到M级编码后的多个特征图。可在步骤S13中通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到待处理图像的N级解码的特征图,进而得到待处理图像的预测结果。
在一种可能的实现方式中,N级解码网络中的每级解码网络可包括融合层、反卷积层、卷积层、残差层、上采样层等。对于第一级解码网络,可通过第一级解码网络的融合层对编码后的多个特征图进行融合,得到融合后的多个特征图;再通过反卷积层对融合后的多个特征图进行尺度放大,得到尺度放大后的多个特征图;通过融合层、卷积层(步长=1)和/或残差层等分别对多个特征图进行融合及优化,得到第一级解码后的多个特征图。
在一种可能的实现方式中,与第一级解码网络类似,可通过N级解码网络中的各级解码网络依次对前一级解码后的特征图进行尺度放大及多尺度融合,每级解码网络得到的特征图数量依次减少,经过第N级解码网络后得到与待处理图像尺度一致的密度图(例如目标的分布密度图),从而确定预测结果。这样,通过在尺度放大过程中多次融合全局信息和局部信息,提高了预测结果的质量。
根据本公开的实施例,能够通过M级编码网络对图像的特征图进行尺度缩小及多尺度融合,并通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合,从而在编码及解码过程中多次融合多尺度的全局信息和局部信息,保留了更有效的多尺度信息,提高了预测结果的质量及鲁棒性。
在一种可能的实现方式中,步骤S11可包括:
通过所述特征提取网络的至少一个第一卷积层对待处理图像进行卷积,得到卷积后的特征图;
通过所述特征提取网络的至少一个第二卷积层对卷积后的特征图进行优化,得到所述待处理图像的第一特征图。
举例来说,特征提取网络可包括至少一个第一卷积层和至少一个第二卷积层。第一卷积层为带步长的卷积层(步长>1),用于缩小图像或特征图的尺度,第二卷积层为不带步长的卷积层(步长=1),用于对特征图进行优化。
在一种可能的实现方式中,特征提取网络可包括连续的两个第一卷积层,第一卷积层的卷积核尺寸为3×3,步长为2。待处理图像经连续两个第一卷积层卷积后,得到卷积后的特征图,该特征图的宽和高分别为待处理图像的1/4。应当理解,本领域技术人员可根据实际情况设定第一卷积层的数量、卷积核尺寸及步长,本公开对此不作限制。
在一种可能的实现方式中,特征提取网络可包括连续的三个第二卷积层,第二卷积层的卷积核尺寸为3×3,步长为1。经第一卷积层卷积后的特征图经连续三个第一卷积层优化后,可得到待处理图像的第一特征图。该第一特征图中尺度与经第一卷积层卷积后的特征图的尺度相同,也即第一特征图的宽和高分别为待处理图像的1/4。应当理解,本领域技术人员可根据实际情况设定第二卷积层的数量及卷积核尺寸,本公开对此不作限制。
通过这种方式,可实现待处理图像的尺度缩小及优化,有效提取特征信息。
在一种可能的实现方式中,步骤S12可包括:
通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第一级编码的第二特征图;
通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,m为整数且1<m<M;
通过第M级编码网络对第M-1级编码的M个特征图进行尺度缩小及多尺度融合处理,得到第M级编码的M+1个特征图。
举例来说,可通过M级编码网络中的各级编码网络依次对前一级编码的特征图进行处理,各级编码网络可包括卷积层、残差层、上采样层、融合层等。对于第一级编码网络,可通过第一级编码网络对第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第一级编码的第二特征图。
在一种可能的实现方式中,通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第二特征图的步骤可包括:对所述第一特征图进行尺度缩小,得到第二特征图;对所述第一特征图和所述第二特征图进行融合,得到第一级编码的第一特征图及第一级编码的第二特征图。
举例来说,可通过第一级编码网络的第一卷积层(卷积核尺寸为3×3,步长为2)对第一特征图进行尺度缩小,得到尺度小于第一特征图的第二特征图;通过第二卷积层(卷积核尺寸为3×3,步长为1)和/或残差层分别对第一特征图和第二特征图进行优化,得到优化后的第一特征图和第二特征图;通过融合层分别对第一特征图和第二特征图进行多尺度融合,得到第一级编码的第一特征图及第二特征图。
在一种可能的实现方式中,可直接通过第二卷积层对特征图进行优化;也可通过由第二卷积层及残差层组成基本块(basic block)对特征图进行优化。该基本块可作为优化的基本单元,每个基本块可包括两个连续的第二卷积层,然后通过残差层将输入的特征图与卷积得到的特征图相加作为结果输出。本公开对优化的具体方式不作限制。
在一种可能的实现方式中,也可对多尺度融合后的第一特征图及第二特征图再次优化及融合,将再次优化及融合后的第一特征图及第二特征图作为第一级编码的第一特征图及第二特征图,以便进一步提高所提取的多尺度特征的有效性。本公开对优化及多尺度融合的次数不作限制。
在一种可能的实现方式中,对于M级编码网络中的任意一级编码网络(第m级编码网络,m为整数且1<m<M)。可通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图的步骤可包括:对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,所述第m+1个特征图的尺度小于第m-1级编码的m个特征图的尺度;对所述第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图的步骤可包括:通过第m级编码网络的卷积子网络对第m-1级编码的m个特征图分别进行尺度缩小,得到尺度缩小后的m个特征图,所述尺度缩小后的m个特征图的尺度等于所述第m+1个特征图的尺度;对所述尺度缩小后的m个特征图进行特征融合,得到所述第m+1个特征图。
举例来说,可通过第m级编码网络的m个卷积子网络(每个卷积子网络包括至少一个第一卷积层)对第m-1级编码的m个特征图分别进行尺度缩小,得到尺度缩小后的m个特征图。该尺度缩小后的m个特征图的尺度相同,且尺度小于第m-1级编码的第m个特征图(即,等于第m+1个特征图的尺度);通过融合层对该尺度缩小后的m个特征图进行特征融合,得到第m+1个特征图。
在一种可能的实现方式中,每个卷积子网络包括至少一个第一卷积层,第一卷积层的卷积核尺寸为3×3,步长为2,用于对特征图进行尺度缩小。卷积子网络的第一卷积层数量与对应的特征图的尺度相关联,例如,第m-1级编码的第一个特征图的尺度为4x(宽和高分别为待处理图像的1/4),而待生成的m个特征图的尺度为16x(宽和高分别为待处理图像的1/16),则第一个卷积子网络包括两个第一卷积层。应当理解,本领域技术人员可根据实际情况设定卷积子网络第一卷积层的数量、卷积核尺寸及步长,本公开对此不作限制。
在一种可能的实现方式中,对第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图的步骤可包括:通过第m级编码网络的特征优化子网络对第m-1级编码的m个特征图以及所述第m+1个特征图分别进行特征优化,得到特征优化后的m+1个特征图;通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,可通过融合层对第m-1级编码的m个特征图进行多尺度融合,得到融合后的m个特征图;通过m+1个特征优化子网络(每个特征优化子网络包括第二卷积层和/或残差层)分别对融合后的m个特征图和第m+1个特征图进行特征优化,得到特征优化后的m+1个特征图;然后通过m+1个融合子网络分别对特征优化后的m+1个特征图进行多尺度融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,也可通过m+1个特征优化子网络(每个特征优化子网络包括第二卷积层和/或残差层)直接对第m-1级编码的m个特征图进行处理。也即,通过m+1个特征优化子网络分别对第m-1级编码的m个特征图和第m+1个特征图进行特征优化,得到特征优化后的m+1个特征图;然后通过m+1个融合子网络分别对特征优化后的m+1个特征图进行多尺度融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,可以对多尺度融合后的m+1个特征图再次进行特征优化及多尺度融合,以便进一步提高所提取的多尺度特征的有效性。本公开对特征优化及多尺度融合的次数不作限制。
在一种可能的实现方式中,每个特征优化子网络可包括至少两个第二卷积层以及残差层,所述第二卷积层的卷积核尺寸为3×3,步长为1。举例来说,各个特征优化子网络均可包括至少一个基本块(两个连续的第二卷积层及残差层)。可通过各个特征优化子网络的基本块分别对第m-1级编码的m个特征图和第m+1个特征图进行特征优化,得到特征优化后的m+1个特征图。应当理解,本领域技术人员可根据实际情况设定第二卷积层的数量及卷积核尺寸,本公开对此不作限制。
通过这种方式,可进一步提高提取的多尺度特征的有效性。
在一种可能的实现方式中,第m级编码网络的m+1个融合子网络可分别对特征优化后的m+1个特征图分别进行融合,对于m+1个融合子网络的第k个融合子网络(k为整数且1≤k≤m+1),通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,包括:
通过至少一个第一卷积层对尺度大于特征优化后的第k个特征图的k-1个特征图进行尺度缩小,得到尺度缩小后的k-1个特征图,所述尺度缩小后的k-1个特征图的尺度等于特征优化后的第k个特征图的尺度;和/或
通过上采样层及第三卷积层对尺度小于特征优化后的第k个特征图的m+1-k个特征图进行尺度放大及通道调整,得到尺度放大后的m+1-k个特征图,所述尺度放大后的m+1-k个特征图的尺度等于特征优化后的第k个特征图的尺度,所述第三卷积层的卷积核尺寸为1×1。
举例来说,第k个融合子网络首先可将m+1个特征图的尺度调整为特征优化后的第k个特征图的尺度。在1<k<m+1的情况下,在特征优化后的第k个特征图之前的k-1个特征图的尺度均大于特征优化后的第k个特征图,例如第k个特征图的尺度为16x(宽和高分别为待处理图像的1/16),第k个特征图之前的特征图的尺度为4x和8x。在该情况下,可通过至少一个第一卷积层对尺度大于特征优化后的第k个特征图的k-1个特征图进行尺度缩小,得到尺度缩小后的k-1个特征图。也即,将尺度为4x和8x的特征图均缩小为16x的特征图,可通过两个第一卷积层对4x的特征图进行尺度缩小,可通过一个第一卷积层对8x的特征图进行尺度缩小。这样,可以得到尺度缩小后的k-1个特征图。
在一种可能的实现方式中,在1<k<m+1的情况下,在特征优化后的第k个特征图之后的m+1-k个特征图的尺度均小于特征优化后的第k个特征图,例如第k个特征图的尺度为16x(宽和高分别为待处理图像的1/16),第k个特征图之后的m+1-k个特征图为32x。在该情况下,可通过上采样层对32x的特征图进行尺度放大,并通过第三卷积层(卷积核尺寸为1×1)对尺度放大后的特征图进行通道调整,使得尺度放大后的特征图的通道数与第k个特征图的通道数相同,从而得到尺度为16x的特征图。这样,可以得到尺度放大后的m+1-k个特征图。
在一种可能的实现方式中,在k=1的情况下,特征优化后的第1个特征图之后的m个特征图的尺度均小于特征优化后的第1个特征图,则可对后m个特征图均进行尺度放大及通道调整,得到尺度放大后的后m个特征图;在k=m+1的情况下,特征优化后的第m+1个特征图之前的m个特征图的尺度均大于特征优化后的第m+1个特征图,则可对前m个特征图均进行尺度缩小,得到尺度缩小后的前m个特征图。
在一种可能的实现方式中,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图的步骤还可包括:
对所述尺度缩小后的k-1个特征图、所述特征优化后的第k个特征图及所述尺度放大后的m+1-k个特征图中的至少两项进行融合,得到第m级编码的第k个特征图。
举例来说,第k个融合子网络可对尺度调整后的m+1个特征图进行融合。在1<k<m+1的情况下,尺度调整后的m+1个特征图包括尺度缩小后的k-1个特征图、特征优化后的第k个特征图及所述尺度放大后的m+1-k个特征图,可以对尺度缩小后的k-1个特征图、特征优化后的第k个特征图及所述尺度放大后的m+1-k个特征图这三者进行融合(相加),得到第m级编码的第k个特征图。
在一种可能的实现方式中,在k=1的情况下,尺度调整后的m+1个特征图包括特征优化后的第1个特征图和尺度放大后的m个特征图,可对特征优化后的第1个特征图和尺度放大后的m个特征图这两者进行融合(相加),得到第m级编码的第1个特征图。
在一种可能的实现方式中,在k=m+1的情况下,尺度调整后的m+1个特征图包括尺度缩小后的m个特征图和特征优化后的第m+1个特征图,可对尺度缩小后的m个特征图和特征优化后的第m+1个特征图这两者进行融合(相加),得到第m级编码的第m+1个特征图。
图2a、图2b及图2c示出根据本公开实施例的图像处理方法的多尺度融合过程的示意图。在图2a、图2b及图2c中,以待融合的特征图为三个为例进行说明。
如图2a所示,在k=1的情况下,可对第2个和第3个特征图分别进行尺度放大(上采样)及通道调整(1×1卷积),得到与第1个特征图的尺度及通道数相同的两个特征图,再将这三个特征图相加得到融合后的特征图。
如图2b所示,在k=2的情况下,可对第1个特征图进行尺度缩小(卷积核尺寸为3×3,步长为2的卷积);对第3个特征图进行尺度放大(上采样)及通道调整(1×1卷积),从而得到与第2个特征图的尺度及通道数相同的两个特征图,再将这三个特征图相加得到融合后的特征图。
如图2c所示,在k=3的情况下,可对第1个和第2个特征图进行尺度缩小(卷积核尺寸为3×3,步长为2的卷积)。由于第1个特征图与第3个特征图之间的尺度差为4倍,因此可进行两次卷积(卷积核尺寸为3×3,步长为2)。经尺度缩小后,可得到与第3个特征图的尺度及通道数相同的两个特征图,再将这三个特征图相加得到融合后的特征图。
通过这种方式,可以实现尺度不同的多个特征图之间的多尺度融合,在每个尺度上将全局和局部的信息进行融合,提取更加有效的多尺度特征。
在一种可能的实现方式中,对于M级编码网络中的最后一级(第M级编码网络),该第M级编码网络可与第m级编码网络的结构类似。第M级编码网络对第M-1级编码的M个特征图的处理过程也与第m级编码网络对第m-1级编码的m个特征图的处理过程相似,此处不再重复描述。通过第M级编码网络处理后,可得到第M级编码的M+1个特征图。例如,M=3时,可得到尺度为4x、8x、16x及32x的四个特征图。本公开对M的具体取值不作限制。
通过这种方式,可以实现M级编码网络的整个处理过程,得到不同尺度的多个特征图,更有效地提取到待处理图像的全局和局部的特征信息。
在一种可能的实现方式中,步骤S13可包括:
通过第一级解码网络对第M级编码的M+1个特征图进行尺度放大及多尺度融合处理,得到第一级解码的M个特征图;
通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度放大及多尺度融合处理,得到第n级解码的M-n+1个特征图,n为整数且1<n<N≤M;
通过第N级解码网络对第N-1级解码的M-N+2个特征图进行多尺度融合处理,得到所述待处理图像的预测结果。
举例来说,经M级编码网络处理后,可得到第M级编码的M+1个特征图。可通过N级解码网络中的各级解码网络依次对前一级解码的特征图进行处理,各级解码网络可包括融合层、反卷积层、卷积层、残差层、上采样层等。对于第一级解码网络,可通过第一级解码网络对第M级编码的M+1个特征图进行尺度放大及多尺度融合处理,得到第一级解码的M个特征图。
在一种可能的实现方式中,对于N级解码网络中的任意一级解码网络(第n级解码网络,n为整数且1<n<N≤M)。可通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度缩小及多尺度融合处理,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度放大及多尺度融合处理,得到第n级解码的M-n+1个特征图的步骤可包括:
对第n-1级解码的M-n+2个特征图进行融合及尺度放大,得到尺度放大后的M-n+1个特征图;对所述尺度放大后的M-n+1个特征图进行融合,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,对第n-1级解码的M-n+2个特征图进行融合及尺度放大,得到放大后的M-n+1个特征图的步骤可包括:
通过第n级解码网络的M-n+1个第一融合子网络对第n-1级解码的M-n+2个特征图进行融合,得到融合后的M-n+1个特征图;通过第n级解码网络的反卷积子网络对融合后的M-n+1个特征图分别进行尺度放大,得到尺度放大后的M-n+1个特征图。
举例来说,可先对第n-1级解码的M-n+2个特征图进行融合,在融合多尺度信息的同时减小特征图的数量。可设置有M-n+1个第一融合子网络,该M-n+1个第一融合子网络与M-n+2个特征图中的前M-n+1个特征图相对应。例如待融合的特征图包括尺度为4x、8x、16x及32x的四个特征图,则可设置有三个第一融合子网络,以便融合得到尺度为4x、8x及16x的三个特征图。
在一种可能的实现方式中,第n级解码网络的M-n+1个第一融合子网络的网络结构可与第m级编码网络的m+1个融合子网络的网络结构类似。例如,对于第q个第一融合子网络(1≤q≤M-n+1),第q个第一融合子网络可首先将M-n+2个特征图的尺度调整为第n-1级解码的第q个特征图的尺度,再对尺度调整后的M-n+2个特征图进行融合,得到融合后的第q个特征图。这样,可得到融合后的M-n+1个特征图。此处对尺度调整及融合的具体过程不再重复描述。
在一种可能的实现方式中,可通过第n级解码网络的反卷积子网络对融合后的M-n+1个特征图分别进行尺度放大,例如将尺度为4x、8x及16x的三个融合后的特征图放大为2x、4x及8x的三个特征图。经放大后,得到尺度放大后的M-n+1个特征图。
在一种可能的实现方式中,对所述尺度放大后的M-n+1个特征图进行融合,得到第n级解码的M-n+1个特征图的步骤可包括:
通过第n级解码网络的M-n+1个第二融合子网络对所述尺度放大后的M-n+1个特征图进行融合,得到融合的M-n+1个特征图;通过第n级解码网络的特征优化子网络对所述融合的M-n+1个特征图分别进行优化,得到第n级解码的M-n+1个特征图。
举例来说,在得到尺度放大后的M-n+1个特征图后,可通过M-n+1个第二融合子网络分别对该M-n+1个特征图进行尺度调整及融合,得到融合的M-n+1个特征图。此处对尺度调整及融合的具体过程不再重复描述。
在一种可能的实现方式中,可通过第n级解码网络的特征优化子网络对融合的M-n+1个特征图分别进行优化,各个特征优化子网络均可包括至少一个基本块。经特征优化后,可得到第n级解码的M-n+1个特征图。此处对特征优化的具体过程不再重复描述。
在一种可能的实现方式中,第n级解码网络的多尺度融合及特征优化的过程可重复多次,以便进一步融合不同尺度的全局和局部特征。本公开对多尺度融合及特征优化的次数不作限制。
通过这种方式,可放大多个尺度的特征图,并同样对多个尺度的特征图信息进行融合,保留特征图的多尺度信息,提高预测结果的质量。
在一种可能的实现方式中,通过第N级解码网络对第N-1级解码的M-N+2个特征图进行多尺度融合处理,得到所述待处理图像的预测结果的步骤可包括:
对第N-1级解码的M-N+2个特征图进行多尺度融合,得到第N级解码的目标特征图;根据所述第N级解码的目标特征图,确定所述待处理图像的预测结果。
举例来说,经第N-1级解码网络处理后,可得到M-N+2个特征图,该M-N+2个特征图中尺度最大的特征图的尺度等于待处理图像的尺度(尺度为1x的特征图)。对于N级解码网络的最后一级(第N级解码网络),可对第N-1级解码的M-N+2个特征图进行多尺度融合处理。在N=M的情况下,第N-1级解码的特征图为2个(例如尺度为1x和2x的特征图);在N<M的情况下,第N-1级解码的特征图大于2个(例如尺度为1x、2x及4x的特征图)。本公开对此不作限制。
在一种可能的实现方式中,可通过第N级解码网络的融合子网络多M-N+2个特征图进行多尺度融合(尺度调整及融合),得到第N级解码的目标特征图。该目标特征图的尺度可与待处理图像的尺度一致。此处对尺度调整及融合的具体过程不再重复描述。
在一种可能的实现方式中,根据所述第N级解码的目标特征图,确定所述待处理图像的预测结果的步骤可包括:
对所述第N级解码的目标特征图进行优化,得到所述待处理图像的预测密度图;根据所述预测密度图,确定所述待处理图像的预测结果。
举例来说,在得到第N级解码的目标特征图后,可对目标特征图继续优化,可通过多个第二卷积层(卷积核尺寸为3×3,步长为1)、多个基本块(包括第二卷积层及残差层)、至少一个第三卷积层(卷积核尺寸为1×1)中的至少一种对目标特征图进行优化,从而得到待处理图像的预测密度图。本公开对优化的具体方式不作限制。
在一种可能的实现方式中,可根据预测密度图确定待处理图像的预测结果。可将该预测密度图直接作为待处理图像的预测结果;也可以对该预测密度图进行进一步的处理(例如通过softmax层等处理),得到待处理图像的预测结果。
通过这种方式,N级解码网络在尺度放大过程中多次融合全局信息和局部信息,提高了预测结果的质量。
图3示出根据本公开实施例的图像处理方法的网络结构的示意图。如图3所示,实现根据本公开实施例的图像处理方法的神经网络可包括特征提取网络31、三级编码网络32(包括第一级编码网络321、第二级编码网络322及第三级编码网络323)以及三级解码网络33(包括第一级解码网络331、第二级解码网络332及第三级解码网络333)。
在一种可能的实现方式中,如图3所示,可将待处理图像34(尺度为1x)输入特征提取网络31中处理,通过连续两个第一卷积层(卷积核尺寸为3×3,步长为2)对待处理图像进行卷积,得到卷积后的特征图(尺度为4x,也即该特征图的宽和高分别为待处理图像的1/4);再通过三个第二卷积层(卷积核尺寸为3×3,步长为1)对卷积后的特征图(尺度为4x)优化,得到第一特征图(尺度为4x)。
在一种可能的实现方式中,可将第一特征图(尺度为4x)输入第一级编码网络321中,通过卷积子网络(包括第一卷积层)对第一特征图进行卷积(尺度缩小),得到第二特征图(尺度为8x,也即该特征图的宽和高分别为待处理图像的1/8);分别通过特征优化子网络(至少一个基本块,包括第二卷积层及残差层)对第一特征图和第二特征图进行特征优化,得到特征优化后的第一特征图和第二特征图;对特征优化后的第一特征图和第二特征图进行多尺度融合,得到第一级编码的第一特征图及第二特征图。
在一种可能的实现方式中,可将第一级编码的第一特征图(尺度为4x)及第二特征图(尺度为8x)输入第二级编码网络322中,分别通过卷积子网络(包括至少一个第一卷积层)对第一级编码的第一特征图和第二特征图进行卷积(尺度缩小)并融合,得到第三特征图(尺度为16x,也即该特征图的宽和高分别为待处理图像的1/16);分别通过特征优化子网络(至少一个基本块,包括第二卷积层及残差层)对第一、第二及第三特征图进行特征优化,得到特征优化后的第一、第二及第三特征图;对特征优化后的第一、第二及第三特征图进行多尺度融合,得到融合后的第一、第二及第三特征图;然后,对融合后的第一、第二及第三特征图再次优化及融合,得到第二级编码的第一、第二及第三特征图。
在一种可能的实现方式中,可将第二级编码的第一、第二及第三特征图(4x、8x及16x)输入第三级编码网络323中,分别通过卷积子网络(包括至少一个第一卷积层)对第二级编码的第一、第二及第三特征图进行卷积(尺度缩小)并融合,得到第四特征图(尺度为32x,也即该特征图的宽和高分别为待处理图像的1/32);分别通过特征优化子网络(至少一个基本块,包括第二卷积层及残差层)对第一、第二、第三及第四特征图进行特征优化,得到特征优化后的第一、第二、第三及第四特征图;对特征优化后的第一、第二、第三及第四特征图进行多尺度融合,得到融合后的第一、第二、第三及第四特征图;然后,对融合后的第一、第二及第三特征图再次优化,得到第三级编码的第一、第二、第三及第四特征图。
在一种可能的实现方式中,可将第三级编码的第一、第二、第三及第四特征图(尺度为4x、8x、16x及32x)输入第一级解码网络331中,通过三个第一融合子网络对第三级编码的第一、第二、第三及第四特征图进行融合,得到融合后的三个特征图(尺度为4x、8x及16x);再将融合后的三个特征图进行反卷积(尺度放大),得到尺度放大后的三个特征图(尺度为2x、4x及8x);对尺度放大后的三个特征图进行多尺度融合、特征优化、再次多尺度融合及再次特征优化,得到第一级解码的三个特征图(尺度为2x、4x及8x)。
在一种可能的实现方式中,可将第一级解码的三个特征图(尺度为2x、4x及8x)输入第二级解码网络332中,通过两个第一融合子网络对第一级解码的三个特征图进行融合,得到融合后的两个特征图(尺度为2x及4x);再将融合后的两个特征图进行反卷积(尺度放大),得到尺度放大后的两个特征图(尺度为1x及2x);对尺度放大后的两个特征图进行多尺度融合、特征优化及再次多尺度融合,得到第二级解码的两个特征图(尺度为1x及2x)。
在一种可能的实现方式中,可将第二级解码的两个特征图(尺度为1x及2x),输入第三级解码网络333中,通过第一融合子网络对第二级解码的两个特征图进行融合,得到融合后的特征图(尺度为1x);再将融合后的特征图通过第二卷积层及第三卷积层(卷积核尺寸为1×1)进行优化,得到待处理图像的预测密度图(尺度为1x)。
在一种可能的实现方式中,可以在每个卷积层之后添加归一化层,对每级的卷积结果进行归一化处理,从而得到归一化后的卷积结果,提高卷积结果的精度。
在一种可能的实现方式中,在应用本公开的神经网络之前,可对该神经网络进行训练。根据本公开实施例的图像处理方法还包括:
根据预设的训练集,训练所述特征提取网络、所述M级编码网络及所述N级解码网络,所述训练集中包括已标注的多个样本图像。
举例来说,可预先设置有已标注的多个样本图像,每个样本图像具有标注信息,例如样本图像中行人的位置、数量等信息。可将具有标注信息的多个样本图像组成训练集,训练所述特征提取网络、所述M级编码网络及所述N级解码网络。
在一种可能的实现方式中,可将样本图像输入特征提取网络,经由特征提取网络、M级编码网络及N级解码网络处理,输出样本图像的预测结果;根据样本图像的预测结果和标注信息,确定特征提取网络、M级编码网络及N级解码网络的网络损失;根据网络损失调整特征提取网络、M级编码网络及N级解码网络的网络参数;在满足预设的训练条件时,可得到训练后的特征提取网络、M级编码网络及N级解码网络。本公开对具体的训练过程不作限制。
通过这种方式,可得到高精度的特征提取网络、M级编码网络及N级解码网络。
根据本公开实施例的图像处理方法,能够通过带步长的卷积操作来获取小尺度的特征图,在网络结构中不断进行全局和局部信息的融合来提取更有效的多尺度信息,并且通过其他尺度的信息来促进当前尺度信息的提取,增强网络对于多尺度目标(例如行人)识别的鲁棒性;能够在解码网络中放大特征图的同时进行多尺度信息的融合,保留多尺度信息,提高生成密度图的质量,从而提高模型预测的准确率。
根据本公开实施例的图像处理方法,能够应用于智能视频分析、安防监控等应用场景中,对场景中的目标(例如行人、车辆等)进行识别,预测场景中目标的数量、分布情况等,从而分析当前场景人群的行为。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图4示出根据本公开实施例的图像处理装置的框图,如图4所示,所述图像处理装置包括:
特征提取模块41,用于通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图;
编码模块42,用于通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,所述多个特征图中各个特征图的尺度不同;
解码模块43,用于通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,M、N为大于1的整数。
在一种可能的实现方式中,所述编码模块包括:第一编码子模块,用于通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第一级编码的第二特征图;第二编码子模块,用于通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,m为整数且1<m<M;第三编码子模块,用于通过第M级编码网络对第M-1级编码的M个特征图进行尺度缩小及多尺度融合处理,得到第M级编码的M+1个特征图。
在一种可能的实现方式中,所述第一编码子模块包括:第一缩小子模块,用于对所述第一特征图进行尺度缩小,得到第二特征图;第一融合子模块,用于对所述第一特征图和所述第二特征图进行融合,得到第一级编码的第一特征图及第一级编码的第二特征图。
在一种可能的实现方式中,所述第二编码子模块包括:第二缩小子模块,用于对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,所述第m+1个特征图的尺度小于第m-1级编码的m个特征图的尺度;第二融合子模块,用于对所述第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,所述第二缩小子模块用于:通过第m级编码网络的卷积子网络对第m-1级编码的m个特征图分别进行尺度缩小,得到尺度缩小后的m个特征图,所述尺度缩小后的m个特征图的尺度等于所述第m+1个特征图的尺度;对所述尺度缩小后的m个特征图进行特征融合,得到所述第m+1个特征图。
在一种可能的实现方式中,所述第二融合子模块用于:通过第m级编码网络的特征优化子网络对第m-1级编码的m个特征图以及所述第m+1个特征图分别进行特征优化,得到特征优化后的m+1个特征图;通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图。
在一种可能的实现方式中,所述卷积子网络包括至少一个第一卷积层,所述第一卷积层的卷积核尺寸为3×3,步长为2;所述特征优化子网络包括至少两个第二卷积层以及残差层,所述第二卷积层的卷积核尺寸为3×3,步长为1;所述m+1个融合子网络与优化后的m+1个特征图对应。
在一种可能的实现方式中,对于m+1个融合子网络的第k个融合子网络,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,包括:通过至少一个第一卷积层对尺度大于特征优化后的第k个特征图的k-1个特征图进行尺度缩小,得到尺度缩小后的k-1个特征图,所述尺度缩小后的k-1个特征图的尺度等于特征优化后的第k个特征图的尺度;和/或通过上采样层及第三卷积层对尺度小于特征优化后的第k个特征图的m+1-k个特征图进行尺度放大及通道调整,得到尺度放大后的m+1-k个特征图,所述尺度放大后的m+1-k个特征图的尺度等于特征优化后的第k个特征图的尺度;其中,k为整数且1≤k≤m+1,所述第三卷积层的卷积核尺寸为1×1。
在一种可能的实现方式中,通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图,还包括:对所述尺度缩小后的k-1个特征图、所述特征优化后的第k个特征图及所述尺度放大后的m+1-k个特征图中的至少两项进行融合,得到第m级编码的第k个特征图。
在一种可能的实现方式中,所述解码模块包括:第一解码子模块,用于通过第一级解码网络对第M级编码的M+1个特征图进行尺度放大及多尺度融合处理,得到第一级解码的M个特征图;第二解码子模块,用于通过第n级解码网络对第n-1级解码的M-n+2个特征图进行尺度放大及多尺度融合处理,得到第n级解码的M-n+1个特征图,n为整数且1<n<N≤M;第三解码子模块,用于通过第N级解码网络对第N-1级解码的M-N+2个特征图进行多尺度融合处理,得到所述待处理图像的预测结果。
在一种可能的实现方式中,所述第二解码子模块包括:放大子模块,用于对第n-1级解码的M-n+2个特征图进行融合及尺度放大,得到尺度放大后的M-n+1个特征图;第三融合子模块,用于对所述尺度放大后的M-n+1个特征图进行融合,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,所述第三解码子模块包括:第四融合子模块,用于对第N-1级解码的M-N+2个特征图进行多尺度融合,得到第N级解码的目标特征图;结果确定子模块,用于根据所述第N级解码的目标特征图,确定所述待处理图像的预测结果。
在一种可能的实现方式中,所述放大子模块用于:通过第n级解码网络的M-n+1个第一融合子网络对第n-1级解码的M-n+2个特征图进行融合,得到融合后的M-n+1个特征图;通过第n级解码网络的反卷积子网络对融合后的M-n+1个特征图分别进行尺度放大,得到尺度放大后的M-n+1个特征图。
在一种可能的实现方式中,所述第三融合子模块用于:通过第n级解码网络的M-n+1个第二融合子网络对所述尺度放大后的M-n+1个特征图进行融合,得到融合的M-n+1个特征图;通过第n级解码网络的特征优化子网络对所述融合的M-n+1个特征图分别进行优化,得到第n级解码的M-n+1个特征图。
在一种可能的实现方式中,所述结果确定子模块用于:对所述第N级解码的目标特征图进行优化,得到所述待处理图像的预测密度图;根据所述预测密度图,确定所述待处理图像的预测结果。
在一种可能的实现方式中,所述特征提取模块包括:卷积子模块,用于通过所述特征提取网络的至少一个第一卷积层对待处理图像进行卷积,得到卷积后的特征图;优化子模块,用于通过所述特征提取网络的至少一个第二卷积层对卷积后的特征图进行优化,得到所述待处理图像的第一特征图。
在一种可能的实现方式中,所述第一卷积层的卷积核尺寸为3×3,步长为2;所述第二卷积层的卷积核尺寸为3×3,步长为1。
在一种可能的实现方式中,所述装置还包括:训练子模块,用于根据预设的训练集,训练所述特征提取网络、所述M级编码网络及所述N级解码网络,所述训练集中包括已标注的多个样本图像。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图;
通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,所述多个特征图中各个特征图的尺度不同;
通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,M、N为大于1的整数。
2.根据权利要求1所述的方法,其特征在于,通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,包括:
通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第一级编码的第二特征图;
通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,m为整数且1<m<M;
通过第M级编码网络对第M-1级编码的M个特征图进行尺度缩小及多尺度融合处理,得到第M级编码的M+1个特征图。
3.根据权利要求2所述的方法,其特征在于,通过第一级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到第一级编码的第一特征图及第二特征图,包括:
对所述第一特征图进行尺度缩小,得到第二特征图;
对所述第一特征图和所述第二特征图进行融合,得到第一级编码的第一特征图及第一级编码的第二特征图。
4.根据权利要求2或3所述的方法,其特征在于,通过第m级编码网络对第m-1级编码的m个特征图进行尺度缩小及多尺度融合处理,得到第m级编码的m+1个特征图,包括:
对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,所述第m+1个特征图的尺度小于第m-1级编码的m个特征图的尺度;
对所述第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图。
5.根据权利要求4所述的方法,其特征在于,对第m-1级编码的m个特征图进行尺度缩小及融合,得到第m+1个特征图,包括:
通过第m级编码网络的卷积子网络对第m-1级编码的m个特征图分别进行尺度缩小,得到尺度缩小后的m个特征图,所述尺度缩小后的m个特征图的尺度等于所述第m+1个特征图的尺度;
对所述尺度缩小后的m个特征图进行特征融合,得到所述第m+1个特征图。
6.根据权利要求4或5所述的方法,其特征在于,对第m-1级编码的m个特征图以及所述第m+1个特征图进行融合,得到第m级编码的m+1个特征图,包括:
通过第m级编码网络的特征优化子网络对第m-1级编码的m个特征图以及所述第m+1个特征图分别进行特征优化,得到特征优化后的m+1个特征图;
通过第m级编码网络的m+1个融合子网络对所述特征优化后的m+1个特征图分别进行融合,得到第m级编码的m+1个特征图。
7.根据权利要求5或6所述的方法,其特征在于,所述卷积子网络包括至少一个第一卷积层,所述第一卷积层的卷积核尺寸为3×3,步长为2;
所述特征优化子网络包括至少两个第二卷积层以及残差层,所述第二卷积层的卷积核尺寸为3×3,步长为1;
所述m+1个融合子网络与优化后的m+1个特征图对应。
8.一种图像处理装置,其特征在于,包括:
特征提取模块,用于通过特征提取网络对待处理图像进行特征提取,得到所述待处理图像的第一特征图;
编码模块,用于通过M级编码网络对所述第一特征图进行尺度缩小及多尺度融合处理,得到编码后的多个特征图,所述多个特征图中各个特征图的尺度不同;
解码模块,用于通过N级解码网络对编码后的多个特征图进行尺度放大及多尺度融合处理,得到所述待处理图像的预测结果,M、N为大于1的整数。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910652028.6A CN110378976B (zh) | 2019-07-18 | 2019-07-18 | 图像处理方法及装置、电子设备和存储介质 |
SG11202008188QA SG11202008188QA (en) | 2019-07-18 | 2019-11-08 | Image processing method and device, electronic apparatus and storage medium |
JP2020563999A JP7106679B2 (ja) | 2019-07-18 | 2019-11-08 | 画像処理方法、画像処理装置、電子機器、記憶媒体及びコンピュータプログラム |
PCT/CN2019/116612 WO2021008022A1 (zh) | 2019-07-18 | 2019-11-08 | 图像处理方法及装置、电子设备和存储介质 |
KR1020207036987A KR102436593B1 (ko) | 2019-07-18 | 2019-11-08 | 이미지 처리 방법 및 장치, 전자 기기와 기억 매체 |
TW108145987A TWI740309B (zh) | 2019-07-18 | 2019-12-16 | 圖像處理方法及裝置、電子設備和電腦可讀儲存介質 |
TW110129660A TWI773481B (zh) | 2019-07-18 | 2019-12-16 | 圖像處理方法及裝置、電子設備和電腦可讀儲存介質 |
US17/002,114 US20210019562A1 (en) | 2019-07-18 | 2020-08-25 | Image processing method and apparatus and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910652028.6A CN110378976B (zh) | 2019-07-18 | 2019-07-18 | 图像处理方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110378976A true CN110378976A (zh) | 2019-10-25 |
CN110378976B CN110378976B (zh) | 2020-11-13 |
Family
ID=68254016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910652028.6A Active CN110378976B (zh) | 2019-07-18 | 2019-07-18 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210019562A1 (zh) |
JP (1) | JP7106679B2 (zh) |
KR (1) | KR102436593B1 (zh) |
CN (1) | CN110378976B (zh) |
SG (1) | SG11202008188QA (zh) |
TW (2) | TWI740309B (zh) |
WO (1) | WO2021008022A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027387A (zh) * | 2019-11-11 | 2020-04-17 | 北京百度网讯科技有限公司 | 人数评估及评估模型获取方法、装置及存储介质 |
CN111429466A (zh) * | 2020-03-19 | 2020-07-17 | 北京航空航天大学 | 一种基于多尺度信息融合网络的空基人群计数与密度估计方法 |
CN111507408A (zh) * | 2020-04-17 | 2020-08-07 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111582353A (zh) * | 2020-04-30 | 2020-08-25 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种图像特征检测方法、系统、设备以及介质 |
WO2021008022A1 (zh) * | 2019-07-18 | 2021-01-21 | 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 |
CN112784629A (zh) * | 2019-11-06 | 2021-05-11 | 株式会社理光 | 图像处理方法、装置和计算机可读存储介质 |
CN113436287A (zh) * | 2021-07-05 | 2021-09-24 | 吉林大学 | 一种基于lstm网络与编解码网络的篡改图像盲取证方法 |
CN113706530A (zh) * | 2021-10-28 | 2021-11-26 | 北京矩视智能科技有限公司 | 基于网络结构的表面缺陷区域分割模型生成方法及装置 |
EP3958184A3 (en) * | 2021-01-20 | 2022-05-11 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Image processing method and apparatus, device, and storage medium |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884772B (zh) | 2019-11-29 | 2024-03-19 | 北京四维图新科技股份有限公司 | 语义分割架构 |
KR20220108922A (ko) | 2021-01-28 | 2022-08-04 | 주식회사 만도 | 조향 제어 장치와, 조향 어시스트 장치 및 방법 |
CN112990025A (zh) * | 2021-03-19 | 2021-06-18 | 北京京东拓先科技有限公司 | 用于处理数据的方法、装置、设备以及存储介质 |
CN113486908B (zh) * | 2021-07-13 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 目标检测方法、装置、电子设备及可读存储介质 |
CN114419449B (zh) * | 2022-03-28 | 2022-06-24 | 成都信息工程大学 | 一种自注意力多尺度特征融合的遥感图像语义分割方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578054A (zh) * | 2017-09-27 | 2018-01-12 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
CN109614876A (zh) * | 2018-11-16 | 2019-04-12 | 北京市商汤科技开发有限公司 | 关键点检测方法及装置、电子设备和存储介质 |
CN109635882A (zh) * | 2019-01-23 | 2019-04-16 | 福州大学 | 一种基于多尺度卷积特征提取和融合的显著物体检测方法 |
CN109784186A (zh) * | 2018-12-18 | 2019-05-21 | 深圳云天励飞技术有限公司 | 一种行人重识别方法、装置、电子设备及计算机可读存储介质 |
CN109996071A (zh) * | 2019-03-27 | 2019-07-09 | 上海交通大学 | 基于深度学习的可变码率图像编码、解码系统及方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101674568B1 (ko) * | 2010-04-12 | 2016-11-10 | 삼성디스플레이 주식회사 | 영상 변환 장치 및 이를 포함하는 입체 영상 표시 장치 |
EP3204871A1 (en) * | 2014-10-09 | 2017-08-16 | Microsoft Technology Licensing, LLC | Generic object detection in images |
DE202016009107U1 (de) * | 2015-02-19 | 2022-04-27 | Magic Pony Technology Limited | Visuelle Verarbeitung durch zeitliche und räumliche Interpolation |
JP6744838B2 (ja) | 2017-04-18 | 2020-08-19 | Kddi株式会社 | エンコーダデコーダ畳み込みニューラルネットワークにおける解像感を改善するプログラム |
WO2019057944A1 (en) | 2017-09-22 | 2019-03-28 | F. Hoffmann-La Roche Ag | ELIMINATION OF ARTIFACTS FROM IMAGES OF FABRIC |
US10043113B1 (en) * | 2017-10-04 | 2018-08-07 | StradVision, Inc. | Method and device for generating feature maps by using feature upsampling networks |
CN109509192B (zh) * | 2018-10-18 | 2023-05-30 | 天津大学 | 融合多尺度特征空间与语义空间的语义分割网络 |
CN110009598B (zh) * | 2018-11-26 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 用于图像分割的方法和图像分割设备 |
CN109598727B (zh) * | 2018-11-28 | 2021-09-14 | 北京工业大学 | 一种基于深度神经网络的ct图像肺实质三维语义分割方法 |
CN109598298B (zh) * | 2018-11-29 | 2021-06-04 | 上海皓桦科技股份有限公司 | 图像物体识别方法和系统 |
CN109598728B (zh) * | 2018-11-30 | 2019-12-27 | 腾讯科技(深圳)有限公司 | 图像分割方法、装置、诊断系统及存储介质 |
CN109903301B (zh) * | 2019-01-28 | 2021-04-13 | 杭州电子科技大学 | 一种基于多级特征信道优化编码的图像轮廓检测方法 |
CN109816659B (zh) * | 2019-01-28 | 2021-03-23 | 北京旷视科技有限公司 | 图像分割方法、装置及系统 |
CN109815964A (zh) * | 2019-01-31 | 2019-05-28 | 北京字节跳动网络技术有限公司 | 提取图像的特征图的方法和装置 |
CN109816661B (zh) * | 2019-03-22 | 2022-07-01 | 电子科技大学 | 一种基于深度学习的牙齿ct图像分割方法 |
US10902571B2 (en) * | 2019-05-20 | 2021-01-26 | Disney Enterprises, Inc. | Automated image synthesis using a comb neural network architecture |
CN110378976B (zh) * | 2019-07-18 | 2020-11-13 | 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 |
-
2019
- 2019-07-18 CN CN201910652028.6A patent/CN110378976B/zh active Active
- 2019-11-08 WO PCT/CN2019/116612 patent/WO2021008022A1/zh active Application Filing
- 2019-11-08 JP JP2020563999A patent/JP7106679B2/ja active Active
- 2019-11-08 KR KR1020207036987A patent/KR102436593B1/ko active IP Right Grant
- 2019-11-08 SG SG11202008188QA patent/SG11202008188QA/en unknown
- 2019-12-16 TW TW108145987A patent/TWI740309B/zh active
- 2019-12-16 TW TW110129660A patent/TWI773481B/zh active
-
2020
- 2020-08-25 US US17/002,114 patent/US20210019562A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578054A (zh) * | 2017-09-27 | 2018-01-12 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
CN109614876A (zh) * | 2018-11-16 | 2019-04-12 | 北京市商汤科技开发有限公司 | 关键点检测方法及装置、电子设备和存储介质 |
CN109784186A (zh) * | 2018-12-18 | 2019-05-21 | 深圳云天励飞技术有限公司 | 一种行人重识别方法、装置、电子设备及计算机可读存储介质 |
CN109635882A (zh) * | 2019-01-23 | 2019-04-16 | 福州大学 | 一种基于多尺度卷积特征提取和融合的显著物体检测方法 |
CN109996071A (zh) * | 2019-03-27 | 2019-07-09 | 上海交通大学 | 基于深度学习的可变码率图像编码、解码系统及方法 |
Non-Patent Citations (3)
Title |
---|
KE SUN等: "Deep High-Resolution Representation Learning for Human Pose Estimation", 《ARXIV:1902.09212V1 [CS.CV]》 * |
KE SUN等: "High-Resolution Representations for Labeling Pixels and Regions", 《HIGHARXIV:1904.04514V1 [CS.CV]》 * |
杨国亮: "基于多尺度编码-解码网络的皮肤病变图像分割", 《中国医学物理学杂志》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021008022A1 (zh) * | 2019-07-18 | 2021-01-21 | 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 |
CN112784629A (zh) * | 2019-11-06 | 2021-05-11 | 株式会社理光 | 图像处理方法、装置和计算机可读存储介质 |
CN111027387A (zh) * | 2019-11-11 | 2020-04-17 | 北京百度网讯科技有限公司 | 人数评估及评估模型获取方法、装置及存储介质 |
CN111027387B (zh) * | 2019-11-11 | 2023-09-26 | 北京百度网讯科技有限公司 | 人数评估及评估模型获取方法、装置及存储介质 |
CN111429466A (zh) * | 2020-03-19 | 2020-07-17 | 北京航空航天大学 | 一种基于多尺度信息融合网络的空基人群计数与密度估计方法 |
CN111507408A (zh) * | 2020-04-17 | 2020-08-07 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
WO2021208667A1 (zh) * | 2020-04-17 | 2021-10-21 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111507408B (zh) * | 2020-04-17 | 2022-11-04 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111582353A (zh) * | 2020-04-30 | 2020-08-25 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种图像特征检测方法、系统、设备以及介质 |
EP3958184A3 (en) * | 2021-01-20 | 2022-05-11 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Image processing method and apparatus, device, and storage medium |
US11893708B2 (en) | 2021-01-20 | 2024-02-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | Image processing method and apparatus, device, and storage medium |
CN113436287A (zh) * | 2021-07-05 | 2021-09-24 | 吉林大学 | 一种基于lstm网络与编解码网络的篡改图像盲取证方法 |
CN113706530A (zh) * | 2021-10-28 | 2021-11-26 | 北京矩视智能科技有限公司 | 基于网络结构的表面缺陷区域分割模型生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TWI773481B (zh) | 2022-08-01 |
WO2021008022A1 (zh) | 2021-01-21 |
KR102436593B1 (ko) | 2022-08-25 |
TW202145143A (zh) | 2021-12-01 |
CN110378976B (zh) | 2020-11-13 |
JP2021533430A (ja) | 2021-12-02 |
SG11202008188QA (en) | 2021-02-25 |
TWI740309B (zh) | 2021-09-21 |
KR20210012004A (ko) | 2021-02-02 |
US20210019562A1 (en) | 2021-01-21 |
TW202105321A (zh) | 2021-02-01 |
JP7106679B2 (ja) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378976A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110348537A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109740516A (zh) | 一种用户识别方法、装置、电子设备及存储介质 | |
CN109800737A (zh) | 面部识别方法及装置、电子设备和存储介质 | |
CN110390394A (zh) | 批归一化数据的处理方法及装置、电子设备和存储介质 | |
CN109801270A (zh) | 锚点确定方法及装置、电子设备和存储介质 | |
CN109800744A (zh) | 图像聚类方法及装置、电子设备和存储介质 | |
CN109829501A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110287874A (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN109522910A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN107944409A (zh) | 视频分析方法及装置 | |
CN109614613A (zh) | 图像的描述语句定位方法及装置、电子设备和存储介质 | |
CN109816764A (zh) | 图像生成方法及装置、电子设备和存储介质 | |
CN109766954A (zh) | 一种目标对象处理方法、装置、电子设备及存储介质 | |
CN109919300A (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN110298310A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109948494A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110378312A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110532956A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109978891A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109934275A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109902738A (zh) | 网络模块和分配方法及装置、电子设备和存储介质 | |
CN109118430A (zh) | 超分辨率图像重建方法及装置、电子设备及存储介质 | |
CN109543537A (zh) | 重识别模型增量训练方法及装置、电子设备和存储介质 | |
CN110019960A (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 |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40009478 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |