CN112990327A - 特征融合方法、装置、设备、存储介质以及程序产品 - Google Patents
特征融合方法、装置、设备、存储介质以及程序产品 Download PDFInfo
- Publication number
- CN112990327A CN112990327A CN202110322636.8A CN202110322636A CN112990327A CN 112990327 A CN112990327 A CN 112990327A CN 202110322636 A CN202110322636 A CN 202110322636A CN 112990327 A CN112990327 A CN 112990327A
- Authority
- CN
- China
- Prior art keywords
- stage
- layer
- fusion
- features
- feature
- 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.)
- Pending
Links
- 238000007500 overflow downdraw method Methods 0.000 title abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 100
- 238000000605 extraction Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims 1
- 239000010931 gold Substances 0.000 claims 1
- 229910052737 gold Inorganic materials 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种特征融合方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智慧城市、智能交通、自动驾驶和智能安防等领域。该方法的一具体实施方式包括：获取图像；将图像输入至特征提取网络，得到M个阶段层的特征；从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，其中，M、N、P为正整数，且P<N≤M。该实施方式在利用特征提取网络进行特征提取时，使用基于FPN的特征融合方式，在相邻阶段层上进行特征融合，减少了高层语义特征的损失。
Description
技术领域
本公开涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智慧城市、智能交通、自动驾驶和智能安防等领域。
背景技术
目标检测算法是计算机视觉算法中最基础、应用最广泛的算法之一。目前已经广泛应用在智慧城市、智能交通、自动驾驶和智能安防等领域。随着应用的推广，越来越多的场景要求在达到较高精度的同时，还要保证较快的速度。针对这一问题，就要求目标检测网络在进行特征融合时尽可能地减少高层语义特征的损失。
发明内容
本公开实施例提出了一种特征融合方法、装置、设备、存储介质以及程序产品。
第一方面，本公开实施例提出了一种特征融合方法，包括：获取图像；将图像输入至特征提取网络，得到M个阶段层的特征，其中，特征提取网络包括M个阶段层；从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，其中，M、N、P为正整数，且P<N≤M。
第二方面，本公开实施例提出了一种特征融合装置，包括：获取模块，被配置成获取图像；提取模块，被配置成将图像输入至特征提取网络，得到M个阶段层的特征，其中，特征提取网络包括M个阶段层；融合模块，被配置成从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，其中，M、N、P为正整数，且P<N≤M。
第三方面，本公开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，本公开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。
第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
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，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开可以应用于其中的示例性系统架构图；
图2是根据本公开的特征融合方法的一个实施例的流程图；
图3是根据本公开的特征融合方法的又一个实施例的流程图；
图4是可以应用本公开的特征融合方法的应用场景图；
图5是根据本公开的特征融合装置的一个实施例的结构示意图；
图6是用来实现本公开实施例的特征融合方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本公开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公开。
图1示出了可以应用本公开的特征融合方法或特征融合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可以包括图像采集设备101，网络102和服务器103。网络102用以在图像采集设备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。
图像采集设备101可以通过网络102与服务器103交互，以接收或发送图像等。
图像采集设备101可以是硬件，也可以是软件。当图像采集设备101为硬件时，可以是各种带有摄像头的电子设备。当图像采集设备101为软件时，可以安装在上述电子设备中。其可以实现成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103可以提供各种服务。例如，服务器103可以对从图像采集设备101获取到的图像进行分析等处理，并生成处理结果(例如第P阶段层的融合特征)。
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，本公开实施例所提供的特征融合方法一般由服务器103执行，相应地，特征融合装置一般设置于服务器103中。
应该理解，图1中的图像采集设备、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图像采集设备、网络和服务器。
继续参考图2，其示出了根据本公开的特征融合方法的一个实施例的流程200。该特征融合方法包括以下步骤：
步骤201，获取图像。
在本实施例中，特征融合方法的执行主体(例如图1所示的服务器103)可以从图像采集装置(例如图1所示的图像采集设备101)获取图像。
通常，图像采集装置被固定安装，用于采集其摄像头范围内的图像。例如，架设在信号灯杆或监控灯杆上的电子眼可以采集车辆图像，能够应用在智能交通领域。又例如，安装在无人驾驶车辆上的摄像头可以采集车辆周围环境图像，能够应用在自动驾驶领域。再例如，安装在室内的家用监控摄像头可以采集室内图像，能够应用在智能安防领域。
步骤202，将图像输入至特征提取网络，得到M个阶段层的特征。
在本实施例中，上述执行主体可以将图像输入至特征提取网络，得到M个阶段层的特征。
这里，特征提取网络可以用于提取图像特征，包括M个阶段层(stage)，每个阶段层均可以提取特征。对于M个阶段层中的任意相邻阶段层，低层提取的特征会作为高层的输入继续进行特征提取。低层提取的特征包括更多的细节信息。高层提取的特征包括更多的语义信息。
在本实施例的一些可选的实现方式中，特征提取网络可以是残差网络ResNet或黑暗网络DarkNet。例如，特征提取网络可以是ResNet18、ResNet34和ResNet53。然而，ResNet18、ResNet34和ResNet53的模型太小，导致精度较低。为了进一步提升模型精度，特征提取网络可以是DarkNet53。然而，DarkNet53不便于扩展优化。为了进一步便于扩展优化，特征提取网络可以是ResNet50。ResNet50与DarkNet53量级相似，且ResNet系列易于扩展，因此ResNet50可以达到与DarkNet53相同的效果，且速度更快。
其中，DarkNet53的网络结构如表1所示：
表1
其中，ResNet系列的网络结构如表2所示：
表2
步骤203，从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征。
在本实施例中，上述执行主体可以从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用FPN(Feature Pyramid Networks，特征金子塔网络)与低层的特征进行特征融合，最终得到第P阶段层的融合特征。具体地，对第N阶段层的特征上采样，并利用FPN与第N-1阶段层的特征进行特征融合，得到第N-1阶段层的融合特征。继续对第N-1阶段层的融合特征进行上采样，并利用FPN与第N-2阶段层的特征进行特征融合，得到第N-2阶段层的融合特征。以此类推，直至得到第P阶段层的融合特征。其中，M、N、P为正整数，且P<N≤<M。第P阶段层的融合特征融合了从第N阶段层到第P阶段层的特征。使用基于FPN的特征融合方式，特征在传递过程中减少了高层语义特征的损失。
为了便于理解，以特征提取网络包括第一阶段层(stage1)、第二阶段层(stage2)、第三阶段层(stage3)、第四阶段层(stage4)和第五阶段层(stage5)五个阶段层为例。将图像输入至特征提取网络，得到第二阶段层、第三阶段层、第四阶段层和第五阶段层的特征。从第五阶段层开始，将相邻阶段层的高层的特征上采样，并利用FPN与低层的特征进行特征融合，最终得到第二阶段层的融合特征。具体地，对第五阶段层的特征上采样，并利用FPN与第四阶段层的特征进行特征融合，得到第四阶段层的融合特征。继续对第四阶段层的融合特征进行上采样，并利用FPN与第三阶段层的特征进行特征融合，得到第三阶段层的融合特征。继续对第三阶段层的融合特征进行上采样，并利用FPN与第二阶段层的特征进行特征融合，得到第二阶段层的融合特征。
需要说明的是，由于提取第五阶段层的特征经过了五个阶段层，进行了五次下采样。并且在特征融合时，进行了三次上采样。因此整体上相当于下采样两次，最终得到的是下采样四倍的第二阶段层的融合特征。
本公开实施例提供的特征融合方法，首先将获取到的图像输入至特征提取网络，得到M个阶段层的特征；然后从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征。在利用特征提取网络进行特征提取时，使用基于FPN的特征融合方式，在相邻阶段层上进行特征融合，减少了高层语义特征的损失。
进一步参考图3，其示出了根据本公开的特征融合方法的又一个实施例的流程300。该特征融合方法包括以下步骤：
步骤301，获取图像。
步骤302，将图像输入至特征提取网络，得到M个阶段层的特征。
步骤303，从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征。
在本实施例中，步骤301-303具体操作已在图2所示的实施例中步骤201-203进行了详细的介绍，在此不再赘述。
步骤304，基于融合特征进行中心点定位和框大小回归，得到图像中的目标框的位置。
在本实施例中，上述执行主体可以基于第P阶段层的融合特征进行中心点定位和框大小回归，得到图像中的目标框的位置。其中，目标框可以是图像中的目标的边界框。
这里，目标检测网络可以包括特征提取网络，用于提取特征并检测目标的位置。在特征提取网络提取到第P阶段层的融合特征之后，目标检测网络可以基于第P阶段层的融合特征进行中心点定位和框大小回归，得到图像中的目标框的位置。其中，目标检测网络可以例如是TTFNet(Train-Friendly Network，提高训练效率的实时目标检测)。在TTFNet上进行特征融合优化，在目标检测主流COCO数据集上取得了很好的效果。
其中，目标框的位置可以包括目标框的中心点、高度和宽度。基于第P阶段层的融合特征进行中心点定位，能够得到目标框的中心点。基于第P阶段层的融合特征进行框大小回归，能够得到目标框的高度和宽度。使用基于FPN的特征融合方式，在相邻阶段层上进行特征融合，得到的第P阶段层的融合特征减少了高层语义特征的损失。在第P阶段层的融合特征上进行中心点定位和框大小回归，减少了对大、中目标的检测效果的损失，从而提升了检测效果。
在本实施例的一些可选的实现方式中，上述执行主体可以首先利用高斯核在第P阶段层的融合特征上生成热图；然后基于热图上的各个点的响应，定位目标框的中心点。其中，热图上的点的响应可以用于表征其是中心点的概率。点的响应越大，其是中心点的概率就越大。因此，基于热图上的各个点的响应，能够快速地、准确地确定出目标框的中心点。目标检测网络在训练过程中逐渐具有在目标中心附近产生更高激活的能力。因此，热图上响应最大的点通常就是目标框的中心点。
在本实施例的一些可选的实现方式中，上述执行主体可以首先利用高斯核在第P阶段层的融合特征上生成高斯模糊区域；然后将高斯模糊区域内的点作为正样本，将高斯模糊区域外的点作为负样本，预测目标框的高度和宽度。其中，高斯模糊也叫高斯平滑，通常用来减少图像噪声以及降低细节层次。
步骤305，利用非极大值抑制对目标框进行过滤。
在本实施例中，上述执行主体可以利用NMS(non maximum suppression，非极大值抑制)对目标框进行过滤，剔除掉多余的目标框，进而提升检测准确度。其中，NMS是抑制不是极大值的元素，可以理解为局部最大搜索。
从图3中可以看出，与图2对应的实施例相比，本实施例中的特征融合方法增加了目标检测步骤。由此，本实施例描述的方案使用基于FPN的特征融合方式，在相邻阶段层上进行特征融合，得到的第P阶段层的融合特征减少了高层语义特征的损失。在第P阶段层的融合特征上进行中心点定位和框大小回归，减少了对大、中目标的检测效果的损失，从而提升了检测效果。并且，利用NMS对目标框进行过滤，能够剔除掉多余的目标框，进而提升检测准确度。
为了便于理解，图4示出了可以应用本公开的特征融合方法的应用场景图。如图4所示，将图像401输入至TTFNet的ResNet50中进行特征提取，得到stage2、stage3、stage4和stage5的特征。对stage5的特征上采样，并利用FPN与stage4的特征进行特征融合，得到stage4的融合特征。继续对stage4的融合特征进行上采样，并利用FPN与stage3的特征进行特征融合，得到stage3的融合特征。继续对stage3的融合特征进行上采样，并利用FPN与stage2的特征进行特征融合，得到stage2的融合特征。基于stage2的融合特征进行中心点定位，得到热图402，基于热图402上的各个点的响应，定位目标框的中心点403。同时，基于stage2的融合特征进行框大小回归，高斯模糊区域404，将高斯模糊区域404内的点作为正样本，将高斯模糊区域404外的点作为负样本，预测目标框的高度和宽度。结合目标框的中心点403和目标框的高度和宽度，得到目标框的位置405。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种特征融合装置的一个实施例，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，本实施例的特征融合装置500可以包括：获取模块501、提取模块502和融合模块503。其中，获取模块501，被配置成获取图像；提取模块502，被配置成将图像输入至特征提取网络，得到M个阶段层的特征，其中，特征提取网络包括M个阶段层；融合模块503，被配置成从M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，其中，M、N、P为正整数，且P<N≤<M。
在本实施例中，特征融合装置500中：获取模块501、提取模块502和融合模块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201-203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，提取模块502进一步被配置成：将图像输入至特征提取网络，得到第二阶段层、第三阶段层、第四阶段层和第五阶段层的特征，其中，特征提取网络包括五个阶段层；以及融合模块503进一步被配置成：从第五阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第二阶段层的融合特征。
在本实施例的一些可选的实现方式中，特征融合装置500还包括：检测模块，被配置成基于融合特征进行中心点定位和框大小回归，得到图像中的目标框的位置。
在本实施例的一些可选的实现方式中，检测模块包括：第一生成子模块，被配置成利用高斯核在融合特征上生成热图；定位子模块，被配置成基于热图上的各个点的响应，定位目标框的中心点。
在本实施例的一些可选的实现方式中，检测模块还包括：第二生成子模块，被配置成利用高斯核在融合特征上生成高斯模糊区域；预测子模块，被配置成将高斯模糊区域内的点作为正样本，将高斯模糊区域外的点作为负样本，预测目标框的高度和宽度。
在本实施例的一些可选的实现方式中，特征融合装置500还包括：过滤模块，被配置成利用非极大值抑制对目标框进行过滤。
在本实施例的一些可选的实现方式中，特征提取网络是残差网络或黑暗网络。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如特征融合方法。例如，在一些实施例中，特征融合方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的特征融合方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行特征融合方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开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，只要能够实现本公开提供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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (17)
1.一种特征融合方法，包括：
获取图像；
将所述图像输入至特征提取网络，得到M个阶段层的特征，其中，所述特征提取网络包括M个阶段层；
从所述M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，其中，M、N、P为正整数，且P<N≤M。
2.根据权利要求1所述的方法，其中，所述将所述图像输入至特征提取网络，得到M个阶段层的特征，包括：
将所述图像输入至所述特征提取网络，得到第二阶段层、第三阶段层、第四阶段层和第五阶段层的特征，其中，所述特征提取网络包括五个阶段层；以及
所述从所述M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，包括：
从所述第五阶段层开始，将相邻阶段层的高层的特征上采样，并利用FPN与低层的特征进行特征融合，最终得到第二阶段层的融合特征。
3.根据权利要求1或2所述的方法，其中，所述方法还包括：
基于所述融合特征进行中心点定位和框大小回归，得到所述图像中的目标框的位置。
4.根据权利要求3所述的方法，其中，所述基于所述融合特征进行中心点定位和框大小回归，得到所述图像中的目标的位置，包括：
利用高斯核在所述融合特征上生成热图；
基于所述热图上的各个点的响应，定位所述目标框的中心点。
5.根据权利要求3或4所述的方法，其中，所述基于所述融合特征进行中心点定位和框大小回归，得到所述图像中的目标的位置，还包括：
利用高斯核在所述融合特征上生成高斯模糊区域；
将所述高斯模糊区域内的点作为正样本，将所述高斯模糊区域外的点作为负样本，预测所述目标框的高度和宽度。
6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：
利用非极大值抑制对所述目标框进行过滤。
7.根据权利要求1-6之一所述的方法，其中，所述特征提取网络是残差网络或黑暗网络。
8.一种特征融合装置，包括：
获取模块，被配置成获取图像；
提取模块，被配置成将所述图像输入至特征提取网络，得到M个阶段层的特征，其中，所述特征提取网络包括M个阶段层；
融合模块，被配置成从所述M阶段层中的第N阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第P阶段层的融合特征，其中，M、N、P为正整数，且P<N≤M。
9.根据权利8所述的装置，其中，
所述提取模块进一步被配置成：将所述图像输入至所述特征提取网络，得到第二阶段层、第三阶段层、第四阶段层和第五阶段层的特征，其中，所述特征提取网络包括五个阶段层；以及
所述融合模块进一步被配置成：从所述第五阶段层开始，将相邻阶段层的高层的特征上采样，并利用特征金子塔网络FPN与低层的特征进行特征融合，最终得到第二阶段层的融合特征。
10.根据权利要求8或9所述的装置，其中，所述装置还包括：
检测模块，被配置成基于所述融合特征进行中心点定位和框大小回归，得到所述图像中的目标框的位置。
11.根据权利要求10所述的装置，其中，所述检测模块包括：
第一生成子模块，被配置成利用高斯核在所述融合特征上生成热图；
定位子模块，被配置成基于所述热图上的各个点的响应，定位所述目标框的中心点。
12.根据权利要求10或11所述的装置，其中，所述检测模块还包括：
第二生成子模块，被配置成利用高斯核在所述融合特征上生成高斯模糊区域；
预测子模块，被配置成将所述高斯模糊区域内的点作为正样本，将所述高斯模糊区域外的点作为负样本，预测所述目标框的高度和宽度。
13.根据权利要求8-12之一所述的装置，其中，所述装置还包括：
过滤模块，被配置成利用非极大值抑制对所述目标框进行过滤。
14.根据权利要求7-13之一所述的装置，其中，所述特征提取网络是残差网络或黑暗网络。
15.一种电子设备，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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110322636.8A CN112990327A (zh) | 2021-03-25 | 2021-03-25 | 特征融合方法、装置、设备、存储介质以及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110322636.8A CN112990327A (zh) | 2021-03-25 | 2021-03-25 | 特征融合方法、装置、设备、存储介质以及程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112990327A true CN112990327A (zh) | 2021-06-18 |
Family
ID=76333725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110322636.8A Pending CN112990327A (zh) | 2021-03-25 | 2021-03-25 | 特征融合方法、装置、设备、存储介质以及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990327A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114549961A (zh) * | 2022-03-02 | 2022-05-27 | 北京百度网讯科技有限公司 | 目标对象的检测方法、装置、设备以及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840528A (zh) * | 2019-01-31 | 2019-06-04 | 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 |
| CN111666988A (zh) * | 2020-05-22 | 2020-09-15 | 哈尔滨理工大学 | 一种基于多层信息融合的目标检测算法 |
| WO2020199593A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技（深圳）有限公司 | 图像分割模型训练方法、图像分割方法、装置、设备及介质 |
-
2021
- 2021-03-25 CN CN202110322636.8A patent/CN112990327A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840528A (zh) * | 2019-01-31 | 2019-06-04 | 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 |
| WO2020199593A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技（深圳）有限公司 | 图像分割模型训练方法、图像分割方法、装置、设备及介质 |
| CN111666988A (zh) * | 2020-05-22 | 2020-09-15 | 哈尔滨理工大学 | 一种基于多层信息融合的目标检测算法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114549961A (zh) * | 2022-03-02 | 2022-05-27 | 北京百度网讯科技有限公司 | 目标对象的检测方法、装置、设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113936256A (zh) | 一种图像目标检测方法、装置、设备以及存储介质 | |
| CN113139543B (zh) | 目标对象检测模型的训练方法、目标对象检测方法和设备 | |
| CN112633276B (zh) | 训练方法、识别方法、装置、设备、介质 | |
| CN114120253A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
| CN113378834B (zh) | 目标检测方法、装置、设备、存储介质以及程序产品 | |
| CN116168132B (zh) | 街景重建模型获取及街景重建方法、装置、设备及介质 | |
| CN114202026A (zh) | 多任务模型训练方法和装置、多任务处理方法和装置 | |
| CN113591648A (zh) | 无锚点实时图像目标检测方法、系统、设备及介质 | |
| CN113538235A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| CN114913325B (zh) | 语义分割方法、装置及计算机程序产品 | |
| CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
| CN113344121B (zh) | 训练招牌分类模型和招牌分类的方法 | |
| CN114169425A (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
| CN112990327A (zh) | 特征融合方法、装置、设备、存储介质以及程序产品 | |
| CN113569912A (zh) | 车辆识别方法、装置、电子设备及存储介质 | |
| CN116012363A (zh) | 一种变电站刀闸开合识别方法、装置、设备及存储介质 | |
| CN115861755A (zh) | 特征融合方法、装置、电子设备及自动驾驶车辆 | |
| CN115330851A (zh) | 单目深度估计方法、装置、电子设备、存储介质及车辆 | |
| CN114445711A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN113887414A (zh) | 目标检测方法、装置、电子设备和存储介质 | |
| CN113963167A (zh) | 应用于目标检测的方法、装置及计算机程序产品 | |
| CN113591567A (zh) | 目标检测方法、目标检测模型的训练方法及其装置 | |
| CN115049895B (zh) | 一种图像属性识别方法、属性识别模型训练方法及装置 | |
| CN113591847B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 |
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 |