CN112150462B - 确定目标锚点的方法、装置、设备以及存储介质 - Google Patents

确定目标锚点的方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112150462B
CN112150462B CN202011139167.8A CN202011139167A CN112150462B CN 112150462 B CN112150462 B CN 112150462B CN 202011139167 A CN202011139167 A CN 202011139167A CN 112150462 B CN112150462 B CN 112150462B
Authority
CN
China
Prior art keywords
anchor point
determining
feature
initial
target
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
Application number
CN202011139167.8A
Other languages
English (en)
Other versions
CN112150462A (zh
Inventor
杨喜鹏
谭啸
孙昊
章宏武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011139167.8A priority Critical patent/CN112150462B/zh
Publication of CN112150462A publication Critical patent/CN112150462A/zh
Priority to EP21177313.0A priority patent/EP3852011A3/en
Priority to US17/338,328 priority patent/US11915466B2/en
Application granted granted Critical
Publication of CN112150462B publication Critical patent/CN112150462B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种确定目标锚点的方法、装置、设备以及存储介质，涉及计算机视觉、深度学习等人工智能技术领域。该方法包括：采用特征提取网络提取原图像的多个特征图；将多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；采用区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定初始锚点的偏移参数，并根据初始锚点的偏移参数，生成在不同方向上的多个候选锚点，从而根据特征图的尺寸动态地增加有效的锚点数量，缓解小目标和目标密集场景中的误检问题。

Description

确定目标锚点的方法、装置、设备以及存储介质
技术领域
本申请涉及计算机技术领域，具体涉及计算机视觉、深度学习等人工智能技术领域，尤其涉及一种确定目标锚点的方法、装置、设备以及存储介质。
背景技术
通常情况下，在基于锚点(anchor)的深度学习的目标检测算法中，锚点的设定是固定的。用于检测目标输出的特征图(feature map)是小于输入尺寸的，即使有特征金字塔(Feature Pyramid Network)的加入，最大的特征图一般也是输入图像的8倍下采样，该特征图上每个像素点表示原始图像的8*8的区域，而原始图像上可能存在小尺寸的目标，比如10*10的目标，那么预设的锚点可能捕捉不到该目标。
发明内容
本申请实施例提供了确定目标锚点的方法、装置、设备以及存储介质。
第一方面，本申请实施例提供了确定目标锚点的方法，包括：采用特征提取网络提取原图像的多个特征图；将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点。
第二方面，本申请实施例提供了确定目标锚点的装置，包括：特征图提取模块，被配置为采用特征提取网络提取原图像的多个特征图；特征融合模块，被配置为将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；目标锚点生成模块，被配置为将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点。
第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
本申请实施例提供的确定目标锚点的方法、装置、设备以及存储介质，首先采用特征提取网络提取原图像的多个特征图；之后将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；最后将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点，从而根据特征图的尺寸动态地增加有效的锚点数量，缓解小目标和目标密集场景中的误检问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
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。附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的确定目标锚点的方法的一个实施例的流程示意图；
图3是根据本申请的生成的多个候选锚点的一个实施例的示意图；
图4是根据本申请的生成的多个候选锚点的另一个实施例的示意图；
图5是本申请的确定目标锚点的装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的确定目标锚点的方法的电子设备的框图。
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。
现有技术中，在基于锚点的深度学习的目标检测算法中，锚点的设定是固定的。以特征图是输入图像的8倍下采样为例，此时区域候选网络中网络头部上每个像素点表示原始图像的8*8的区域。如果原始图像上存在小尺寸的目标，比如，10*10的目标，而且该目标并非落在预测特征图的中心，那么预设的锚点可能捕捉不到该目标，造成漏匹配。同理，如果有密集的目标在同一个特征图的像素点上需要被匹配，周围的没有足够多的最佳匹配的锚点与之对应，最终可能会造成漏检或者分类和回归的误差大的情况。
鉴于此，本申请实施例提供一种确定目标锚点的方法、装置、设备以及存储介质。
图1示出了可以应用本申请的确定目标锚点的方法或确定目标锚点的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、网络102、服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102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。
终端设备101可以通过网络102与服务器103交互。终端设备101中可以提供原图像，包括但不限于数据库、用户终端等等。
服务器103可以提供各种服务，例如服务器103可以对从终端设备101获取到的原图像等数据进行分析等处理，生成处理结果(例如生成在不同方向上的多个候选锚点)。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，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)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的确定目标锚点的方法一般由服务器103执行，相应地，确定目标锚点的装置一般设置于服务器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确定目标锚点的方法的一个实施例的流程200。该方法，包括以下步骤：
步骤201，采用特征提取网络提取原图像的多个特征图。
在本实施例中，确定目标锚点的方法的执行主体(例如图1所示的服务器103)可以采用特征提取网络提取原图像的多个特征图。
其中，特征提取网络是指可以提取图像级特征的网络结构，例如backbone网络。具体地，特征提取网络可以采用Resnet系列或darknet系列。Resnet系列包括resnet34，resnet50，resent101等，Darknet系列包括、darkNet19，darknet53等。
其中，可以根据业务应用场景的不同选择适当大小的特征提取网络。例如轻量级的结构可以选择resnet18，resnet34，darknet19，中型结构可以选择resnet50，resneXt50，darknet53，重型结构可以选择resent101，resneXt152等等。
示例性地，可以采用Resnet网络提取原图像的特征，并将Resnet网络中的多个卷积层输出的特征图作为原图像的多个特征图。其中，根据特征提取网络对原图像采样比例的不同，其对应的特征图的尺寸也不同。
例如，对原图像进行8倍下采样，则对应的特征图的尺寸为原图像的1/8；对原图像进行16倍下采样，则对应的特征图的尺寸为原图像的1/16；对原图像进行32倍下采样，则对应的特征图的尺寸为原图像的1/32。
步骤202，将多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图。
在本实施例中，上述执行主体可以将多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图。特征金字塔(feature pyramid network，FPN)融合是指使用自上而下连接进行自高层特征向低层特征的递进式融合。
通过执行步骤201得到的多个特征图中的低层特征图适用于检查大目标，而高层特征图适用于检测小目标，为了能够更准确地识别小目标，可以采用特征金字塔结构对不同层级的特征进行融合。其中，高层特征图具有更小的尺寸和深层语义信息，低层特征图具有更大的尺寸和浅层语义信息。
例如，可以在特征提取网络将采样比例为输入图像的1/8，1/16，1/32的地方分别接入FPN结构，做不同层次间的信息融合。通过对不同层级的特征图进行FPN融合，可以结合浅层语义信息和深层语义信息。
步骤203，将多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定初始锚点的偏移参数，并根据初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从多个侯选锚点中确定出目标锚点。
在本实施例中，区域选择网络(Region Proposal Network，RPN)是用来提取候选锚点的网络。区域选择网络的头部用以生成锚点，区域选择网络的中部用以通过分类分支和边框回归分支分别对锚点进行计算，在区域选择网络末端通过对两个分支的结果进行汇总来实现对锚点的筛除。
其中，将多个融合后的特征图分别输入至区域选择网络后，可以对每个尺寸下的特征图设定不同尺寸的N个(N>＝1)锚点。浅层的网络头部具有较大的特征图尺寸，浅层的网络头部预测小尺寸的目标，可以分配小尺寸的锚点。
同理深层的网络头部具有较小的特征图尺寸，深层的网络头部预测大尺寸的目标，可以分配大尺寸的锚点。示例性地，若FPN结构中包含有3层特征图，分别对应的尺寸为输入图像的1/8，1/16，1/32，比如选择N＝1，那么每个尺寸上可以预定义一个锚点，其中，1/8的特征图主要预测小尺寸的目标，锚点尺寸最小；1/16的特征图主要预测中等尺寸的目标，锚点为中等尺寸；1/32的特征图主要预测大尺寸的目标，即锚点为最大尺寸。根据每个特征图的尺寸预定义的锚点为采用该特征图的网络头部的初始锚点。
在本实施例中，预定义的锚点确认后，可以根据融合后的特征图的尺寸与原图像的比例值，确定初始锚点的偏移参数并根据初始锚点的偏移参数，生成在不同方向上的多个候选锚点。例如，如图3所示，若网络头部中的特征图尺寸为输入图像的1/8倍，那么此处的初始锚点11分别向左、右、上、下平移对应的平移距离产生新的4个锚点，其中，向左平移产生了新锚点12、向右平移产生了新锚点14、向上平移产生了新锚点13、向下平移产生了新锚点15。最后将这4个新锚点作为4个候选锚点。
其中，多个候选锚点确定后，可以根据目标检测的需要筛选出所需的目标锚点。具体地，区域选择网络的中部用以通过分类分支和边框回归分支分别对多个候选锚点进行计算，然后在区域选择网络末端通过对两个分支的结果进行汇总来实现对锚点的筛除，从而筛选出所需的目标锚点。
本申请的上述实施例提供的确定目标锚点的方法，在预定义锚点的基础上，根据下采样的倍数，做一下锚点偏移的操作，在网络头部的特征图的每个像素上生成一些新的锚点。这样就能根据特征图的尺寸动态地增加有效的锚点数量，缓解小目标和目标密集场景中的误检问题。
在本实施例的一些可选的实现方式中，该确定目标锚点的方法还包括：根据初始锚点和多个候选锚点与真值框的交并比的大小，筛选出交并比符合预设阈值的至少一个锚点作为待选锚点。
其中，按照上述步骤203确定每个融合后的特征图上的初始锚点和多个候选锚点后，可以进行是真值框(ground truth，gt)和锚点的匹配，进而确定正负样本。
具体地，可以根据真值框和锚点的交并比的大小选出top k(可以调节的参数)个交并比最大的锚点作为待选锚点。
如果同一个锚点匹配到不同的真值框，可以选择和该锚点最大的交并比的真值框，将该锚点作为该真值框的待选锚点。可选地，如果真值框的中心点不在锚点，可以将该锚点排除，从而提高锚点的有效性。
在本实施例的一些可选的实现方式中，从初始锚点和多个候选锚点中获取到待选锚点后，可以采用非极大值抑制，从待选锚点中筛选出目标锚点。
其中，非极大值抑制(Non-Maximum Suppression，NMS)就是抑制不是极大值的元素。例如，在目标检测中，锚点经提取特征，经分类器分类识别后，每个锚点都会得到一个分数。但是锚点之间存在包含或者大部分交叉的情况。这时就需要用到NMS来选取那些邻域里分数最高，并且抑制那些分数低的锚点，从而选出最优的锚点，提高目标检测的准确率。
在本实施例的一些可选的实现方式中，初始锚点的偏移参数包括初始锚点的平移方向和初始锚点的平移距离。
其中，平移方向是指初始锚点的移动方向，例如上、下、左、右等。平移距离是指初始锚点的移动距离，例如4个像素、8个像素等。
可选地，初始锚点的平移距离的大小，与网络头部所采用的融合后的特征图的尺寸与原图像的比例值的大小呈函数映射关系。
例如，若特征图的尺寸与原图像的比例值为1/2N，其中，N为正整数。那么该特征图对应的初始锚点的平移距离为(0-2N)个像素。
继续参考图4，图4是根据本申请的生成的多个候选锚点的另一个实施例的示意图。如图4所示，若网络头部中的特征图尺寸为输入图像的1/8倍，为了更加有效的锚点分配，那么此处的初始锚点1还可以分别向上、下、左、右、左上、左下、右上、右下八个方向平移对应的平移距离产生新的8个锚点，其中，向左平移产生了新锚点2、向右平移产生了新锚点3、向上平移产生了新锚点4、向下平移产生了新锚点5、向左上平移产生了新锚点6、向左下平移产生了新锚点8、向右上平移产生了新锚点7、向右下平移产生了新锚点9。最后将这8个新锚点作为8个候选锚点。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种确定目标锚点的的一个实施例，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，本实施例的确定目标锚点的装置5可以包括：特征图提取模块501、特征融合模块502、目标锚点生成模块503。其中，特征图提取模块501，被配置为采用特征提取网络提取原图像的多个特征图；特征融合模块502，被配置为将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；目标锚点生成模块503，被配置为将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点。。
在本实施例中，确定目标锚点的装置500中：特征图提取模块501、特征融合模块502、目标锚点生成模块503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，所述目标锚点生成模块进一步配置为：从所述初始锚点和所述多个候选锚点中，根据与真值框的交并比的大小，筛选出交并比符合预设阈值的至少一个锚点作为待选锚点；基于所述待选锚点，确定目标锚点。
在本实施例的一些可选的实现方式中，目标锚点生成模块进一步配置为：所述基于所述待选锚点，确定目标锚点包括：采用非极大值抑制，从所述待选锚点中筛选出目标锚点。
在本实施例的一些可选的实现方式中，所述初始锚点的偏移参数包括初始锚点的平移方向和初始锚点的平移距离。
在本实施例的一些可选的实现方式中，所述网络头部所采用的所述融合后的特征图的尺寸与原图像的比例值的大小与初始锚点的平移距离的大小呈函数映射关系。
在本实施例的一些可选的实现方式中，所述初始锚点的平移方向至少包括下列一种：上、下、左、右、左上、左下、右上、右下。
如图6所示，是根据本申请实施例确定目标锚点的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的确定目标锚点的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的确定目标锚点的方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的确定目标锚点的方法对应的程序指令/模块(例如，附图5所示的特征图提取模块501、特征融合模块502、目标锚点生成模块503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的确定目标锚点的方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据确定目标锚点的方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至确定目标锚点的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
确定目标锚点的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与确定目标锚点的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请的技术方案，首先采用特征提取网络提取原图像的多个特征图；之后将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；最后将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点，从而根据特征图的尺寸动态地增加有效的锚点数量，缓解小目标和目标密集场景中的误检问题。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种确定目标锚点的方法，包括：
采用特征提取网络提取原图像的多个特征图；
将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；
将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点。
2.根据权利要求1所述的方法，所述从多个候选锚点中确定出目标锚点包括：
从所述初始锚点和所述多个候选锚点中，根据与真值框的交并比的大小，筛选出交并比符合预设阈值的至少一个锚点作为待选锚点；
基于所述待选锚点，确定目标锚点。
3.根据权利要求2所述的方法，所述基于所述待选锚点，确定目标锚点包括：
采用非极大值抑制，从所述待选锚点中筛选出目标锚点。
4.根据权利要求1所述的方法，所述初始锚点的偏移参数包括初始锚点的平移方向和初始锚点的平移距离。
5.根据权利要求4所述的方法，所述网络头部所采用的所述融合后的特征图的尺寸与原图像的比例值的大小与初始锚点的平移距离的大小呈函数映射关系。
6.根据权利要求4所述的方法，所述初始锚点的平移方向至少包括下列一种：
上、下、左、右、左上、左下、右上、右下。
7.一种确定目标锚点的装置，其特征在于，所述装置包括：
特征图提取模块，被配置为采用特征提取网络提取原图像的多个特征图；
特征融合模块，被配置为将所述多个特征图输入至特征金字塔进行特征融合，得到多个融合后的特征图；
目标锚点生成模块，被配置为将所述多个融合后的特征图分别输入至区域选择网络，采用所述区域选择网络实现以下操作：根据每个融合后的特征图的尺寸，确定采用该融合后的特征图的网络头部的初始锚点，以及根据该融合后的特征图的尺寸与原图像的比例值，确定所述初始锚点的偏移参数，并根据所述初始锚点的偏移参数，生成在不同方向上的多个候选锚点；从所述多个候选锚点中确定出目标锚点。
8.根据权利要求7所述的装置，其中，所述目标锚点生成模块进一步配置为：
从所述初始锚点和所述多个候选锚点中，根据与真值框的交并比的大小，筛选出交并比符合预设阈值的至少一个锚点作为待选锚点；
基于所述待选锚点，确定目标锚点。
9.根据权利要求8所述的装置，其中，目标锚点生成模块进一步配置为：
所述基于所述待选锚点，确定目标锚点包括：
采用非极大值抑制，从所述待选锚点中筛选出目标锚点。
10.根据权利要求7所述的装置，所述初始锚点的偏移参数包括初始锚点的平移方向和初始锚点的平移距离。
11.根据权利要求10所述的装置，所述网络头部所采用的所述融合后的特征图的尺寸与原图像的比例值的大小与初始锚点的平移距离的大小呈函数映射关系。
12.根据权利要求10所述的装置，所述初始锚点的平移方向至少包括下列一种：
上、下、左、右、左上、左下、右上、右下。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
CN202011139167.8A 2020-10-22 2020-10-22 确定目标锚点的方法、装置、设备以及存储介质 Active CN112150462B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011139167.8A CN112150462B (zh) 2020-10-22 2020-10-22 确定目标锚点的方法、装置、设备以及存储介质
EP21177313.0A EP3852011A3 (en) 2020-10-22 2021-06-02 Method and apparatus for determining target anchor, device and storage medium
US17/338,328 US11915466B2 (en) 2020-10-22 2021-06-03 Method and apparatus for determining target anchor, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011139167.8A CN112150462B (zh) 2020-10-22 2020-10-22 确定目标锚点的方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112150462A CN112150462A (zh) 2020-12-29
CN112150462B true CN112150462B (zh) 2023-12-22

Family

ID=73954617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011139167.8A Active CN112150462B (zh) 2020-10-22 2020-10-22 确定目标锚点的方法、装置、设备以及存储介质

Country Status (3)

Country Link
US (1) US11915466B2 (zh)
EP (1) EP3852011A3 (zh)
CN (1) CN112150462B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657196B (zh) * 2021-07-27 2024-05-28 中国科学院自动化研究所 Sar图像目标检测方法、装置、电子设备和存储介质
CN114037865B (zh) * 2021-11-02 2023-08-22 北京百度网讯科技有限公司 图像处理方法、装置、设备、存储介质和程序产品
CN114596706B (zh) * 2022-03-15 2024-05-03 阿波罗智联(北京)科技有限公司 路侧感知系统的检测方法及装置、电子设备和路侧设备
CN117853740A (zh) * 2022-09-29 2024-04-09 中国电信股份有限公司 特征图处理方法及装置、计算机可读存储介质
CN115601363B (zh) * 2022-12-14 2023-05-23 中建科技集团有限公司 一种基于小目标检测算法的装配式建筑产品缺陷检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801270A (zh) * 2018-12-29 2019-05-24 北京市商汤科技开发有限公司 锚点确定方法及装置、电子设备和存储介质
CN110211097A (zh) * 2019-05-14 2019-09-06 河海大学 一种基于Faster R-CNN参数迁移的裂缝图像检测方法
US10410120B1 (en) * 2019-01-25 2019-09-10 StradVision, Inc. Learning method and testing method of object detector to be used for surveillance based on R-CNN capable of converting modes according to aspect ratios or scales of objects, and learning device and testing device using the same
CN110472539A (zh) * 2019-08-01 2019-11-19 上海海事大学 一种文本检测方法、装置及计算机存储介质
WO2020073310A1 (en) * 2018-10-12 2020-04-16 Nokia Technologies Oy Method and apparatus for context-embedding and region-based object detection
CN111027547A (zh) * 2019-12-06 2020-04-17 南京大学 一种针对二维图像中的多尺度多形态目标的自动检测方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108475331B (zh) * 2016-02-17 2022-04-05 英特尔公司 用于对象检测的方法、装置、系统和计算机可读介质
US10679351B2 (en) * 2017-08-18 2020-06-09 Samsung Electronics Co., Ltd. System and method for semantic segmentation of images
CN108694401B (zh) * 2018-05-09 2021-01-12 北京旷视科技有限公司 目标检测方法、装置及系统
WO2020113561A1 (zh) * 2018-12-07 2020-06-11 华为技术有限公司 一种从图像中提取结构化数据的方法、装置和设备
CN110163187B (zh) * 2019-06-02 2022-09-02 东北石油大学 基于f-rcnn的远距离交通标志检测识别方法
CN110796640A (zh) * 2019-09-29 2020-02-14 郑州金惠计算机系统工程有限公司 一种小目标缺陷的检测方法、装置、电子设备及存储介质
CN111401380B (zh) * 2020-03-24 2023-06-20 北京工业大学 一种基于深度特征增强和边缘优化的rgb-d图像语义分割方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020073310A1 (en) * 2018-10-12 2020-04-16 Nokia Technologies Oy Method and apparatus for context-embedding and region-based object detection
CN109801270A (zh) * 2018-12-29 2019-05-24 北京市商汤科技开发有限公司 锚点确定方法及装置、电子设备和存储介质
US10410120B1 (en) * 2019-01-25 2019-09-10 StradVision, Inc. Learning method and testing method of object detector to be used for surveillance based on R-CNN capable of converting modes according to aspect ratios or scales of objects, and learning device and testing device using the same
CN110211097A (zh) * 2019-05-14 2019-09-06 河海大学 一种基于Faster R-CNN参数迁移的裂缝图像检测方法
CN110472539A (zh) * 2019-08-01 2019-11-19 上海海事大学 一种文本检测方法、装置及计算机存储介质
CN111027547A (zh) * 2019-12-06 2020-04-17 南京大学 一种针对二维图像中的多尺度多形态目标的自动检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Faster－ＲCNN的快速目标检测算法;曹之君 等;航天控制;第38卷(第4期);全文 *

Also Published As

Publication number Publication date
EP3852011A2 (en) 2021-07-21
US11915466B2 (en) 2024-02-27
EP3852011A3 (en) 2021-12-29
US20210357683A1 (en) 2021-11-18
CN112150462A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN112150462B (zh) 确定目标锚点的方法、装置、设备以及存储介质
EP3926526A2 (en) Optical character recognition method and apparatus, electronic device and storage medium
CN111523468B (zh) 人体关键点识别方法和装置
CN112528976B (zh) 文本检测模型的生成方法和文本检测方法
CN111582454B (zh) 生成神经网络模型的方法和装置
CN111783878B (zh) 目标检测方法、装置、电子设备以及可读存储介质
CN111709873B (zh) 图像转换模型生成器的训练方法和装置
CN111598131B (zh) 图像处理方法、装置、电子设备及存储介质
CN111767853B (zh) 车道线检测方法和装置
CN113591573A (zh) 多任务学习深度网络模型的训练及目标检测方法、装置
CN111695519B (zh) 关键点定位方法、装置、设备以及存储介质
CN112149741B (zh) 图像识别模型的训练方法、装置、电子设备及存储介质
CN111539347B (zh) 用于检测目标的方法和装置
CN112270745B (zh) 一种图像生成方法、装置、设备以及存储介质
KR102553763B1 (ko) 비디오 이벤트 인식 방법, 장치, 전자 기기 및 기록 매체
CN112288699B (zh) 图像相对清晰度的评估方法、装置、设备和介质
CN112116525B (zh) 换脸识别方法、装置、设备和计算机可读存储介质
CN111709428B (zh) 图像中关键点位置的识别方法、装置、电子设备及介质
CN111695516B (zh) 热力图的生成方法、装置及设备
CN111539897A (zh) 用于生成图像转换模型的方法和装置
CN111523467B (zh) 人脸跟踪方法和装置
CN112508004A (zh) 一种文字识别方法、装置、电子设备及存储介质
CN111191619A (zh) 车道线虚线段的检测方法、装置、设备和可读存储介质
CN112749701B (zh) 车牌污损分类模型的生成方法和车牌污损分类方法
CN111932530B (zh) 三维对象检测方法、装置、设备和可读存储介质

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
GR01 Patent grant
GR01 Patent grant