CN113223058B - 光流估计模型的训练方法、装置、电子设备及存储介质 - Google Patents
光流估计模型的训练方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113223058B CN113223058B CN202110518986.1A CN202110518986A CN113223058B CN 113223058 B CN113223058 B CN 113223058B CN 202110518986 A CN202110518986 A CN 202110518986A CN 113223058 B CN113223058 B CN 113223058B
- Authority
- CN
- China
- Prior art keywords
- optical flow
- flow estimation
- estimation model
- network operations
- 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
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 542
- 238000012549 training Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 11
- 238000011478 gradient descent method Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 26
- 238000004458 analytical method Methods 0.000 abstract description 15
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 8
- 230000004913 activation Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 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
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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]
Abstract
本公开提出了光流估计模型的训练方法、装置、电子设备及存储介质,涉及人工智能技术领域,具体涉及计算机视觉和深度学习等技术领域,可应用于视频分析和视频处理场景下。具体实现方案:获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息;获取多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作;从多个候选网络操作之中确定出目标网络操作;根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型;以及根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型,能够有效提升光流估计的准确性,提升光流估计的效率,从而有效提升光流估计效果。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉和深度学习等技术领域,可应用于视频分析和视频处理场景下,具体涉及光流估计模型的训练方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术,以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
光流估计作为计算机视觉技术和图像处理技术的重要模块,可以估计视频数据中当前帧的同一对象或物体的像素点移动至下一帧的移动量。在视频分析和视频处理场景下,可基于光流估计辅助进行运动检测、目标分割、物体膨胀计算、运动补偿编码、立体测量等应用。
发明内容
提供了一种光流估计模型的训练方法、光流估计方法、装置、电子设备、存储介质及计算机程序产品。
根据第一方面,提供了一种光流估计模型的训练方法,包括:获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息;获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作;从多个候选网络操作之中确定出目标网络操作;根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型;以及根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型。
根据第二方面,提供了一种光流估计方法,包括:获取待测视频数据;将待测视频数据输入至如上述光流估计模型的训练方法训练得到的目标光流估计模型之中,以得到目标光流估计模型输出的目标光流信息。
根据第三方面,提供了一种光流估计模型的训练装置,包括:第一获取模块,用于获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息;第二获取模块,用于获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作;确定模块,用于从多个候选网络操作之中确定出目标网络操作;生成模块,用于根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型;以及训练模块,用于根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型。
根据第四方面,提供了一种光流估计装置,包括:第三获取模块,用于获取待测视频数据;输出模块,用于将待测视频数据输入至如上述光流估计模型的训练装置训练得到的目标光流估计模型之中,以得到目标光流估计模型输出的目标光流信息。
根据第五方面,提供了一种电子设备,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本公开实施例提出的光流估计模型的训练方法,或者执行本公开实施例提出的光流估计方法。
根据第六方面,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,所述计算机指令用于使所述计算机执行本公开实施例提出的光流估计模型的训练方法,或者执行本公开实施例提出的光流估计方法。
根据第七方面,提出了一种计算机程序产品,包括计算机程序,当所述计算机程序由处理器执行时实现本公开实施例提出的光流估计模型的训练方法,或者执行本公开实施例提出的光流估计方法。
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
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是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是本公开实施例提出的第二光流估计模型训练过程示意图;
图4是本公开实施例提出的目标光流估计模型训练过程示意图;
图5是根据本公开第三实施例的示意图;
图6是根据本公开第四实施例的示意图;
图7是本公开实施例提出的光流估计过程示意图;
图8是根据本公开第五实施例的示意图;
图9是根据本公开第六实施例的示意图;
图10是根据本公开第七实施例的示意图;
图11是用来实现本公开实施例的光流估计模型的训练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。
图1是根据本公开第一实施例的示意图。
其中,需要说明的是,本实施例的光流估计模型的训练方法的执行主体为光流估计模型的训练装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及人工智能技术领域,具体涉及计算机视觉和深度学习等技术领域,可应用于视频分析和视频处理场景下,能够有效提升光流估计模型的训练速度以及模型估计的准确性,从而有效地满足视频分析和视频处理场景中对光流估计准确性的需求,辅助提升视频分析和视频处理的效果。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
计算机视觉,是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
而光流估计,是计算机视觉和图像处理领域一个重要的基础模块,是关于视频中物体运动检测的概念,其目的是描述观测目标、表面或者边缘的运动信息,可应用于运动检测、目标分割、物体膨胀计算、运动补偿编码、立体测量等场景。
如图1所示,该光流估计模型的训练方法包括:
S101:获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息。
其中,用于对光流估计模型进行训练的视频数据,可以被称为样本视频数据,也即是说,样本视频数据可以理解为对光流估计模型进行训练用的样本数据,样本视频数据中可以包括多帧视频图像,而标注光流信息,可以是预先对多帧视频图像之间的光流信息标注得到的,且在训练光流估计模型时被作为参考的光流信息,而光流信息,可以是对象A在不同帧视频图像之间的偏移量,不同的样本视频数据可以对应于不同或者相同的标注光流信息。
一些实施例中,例如,可以采用样本视频数据中的光流场,作为该样本视频数据对应的标注光流信息,该标注光流信息,可以用样本视频数据中像素的光流矢量图进行表示,此外,标注光流信息还可以是样本视频数据中其它任意可能形式的光流信息,对此不做限制。
一些实施例中,样本视频数据的数量可以是一个或者多个,例如多个视频数据构成该多个样本视频数据,或者同一视频数据的多个视频数据片段构成该多个样本视频数据,又或者连续两帧视频图像也可以作为样本视频数据,对此不做限制。
另一些实施例中,多个样本视频数据可以是采用各类图像采集设备采集的视频数据,或者还可以是从互联网中获取的视频数据,对此不做限制。
本公开实施例在对光流估计模型进行训练的过程中,可以采用样本视频数据以及对应的标注光流信息对光流估计模型进行有监督训练,模型训练过程具体参见下述实施例。
S102:获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作。
上述获取多个样本视频数据后,进一步地,获取第一光流估计模型。
其中,光流估计模型,可以具有对输入的样本视频数据进行光流估计,并输出预测光流信息的功能,该光流估计模型可以是人工智能模型,例如,神经网络模型或者机器学习模型,对此不做限制。
而具有基础网络结构的光流估计模型可以被称为第一光流估计模型,也即是说,该第一光流估计模型具有原始的基础网络结构。
一些实施例中,第一光流估计模型的模型结构,可以是深度神经网络结构(例如,卷积神经网络结构),第一光流估计模型可以包括:特征提取模块、扭曲和代价模块、光流估计模块、上下文网络等结构,对此不做限制。
本公开提供的光流估计模型的训练方法,可以支持对第一光流估计模型进行结构搜索,从而形成训练用的光流估计模型,例如,对第一光流估计模型进行结构搜索,并支持对搜索的模块采用由粗到细的模式进行训练,对此不做限制。
其中,第一光流估计模型可以包括多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作,第一光流估计模型可以被用于执行相应的光流估计任务,而与光流估计模块对应连接的候选网络操作,可以被相应的光流估计模块调用以辅助执行光流估计任务。
其中,各个光流估计模块例如可以由多个神经元(Cell)组成,每个Cell可以由多个顺序执行的操作块(Block)组成,每个Block可以包含一个操作集合和一个分支集合。其中,操作集合可以包括卷积层、深度可分离卷积层、归一化层(Batch Normalization,BN)、激活函数层等,操作集合可以进行卷积操作、深度可分离卷积操作、归一化操作、激活操作等卷积网络操作;分支集合可以包括残差连接(skip-connect)、元素添加(element-add)和融合(concat)等操作。
而上述的操作集合包含的卷积操作、深度可分离卷积操作、归一化操作、激活操作等卷积网络操作,以及分支集合包含的skip-connect操作、element-add操作、concat操作均可以被称为与光流估计模块对应连接的候选网络操作。
并且,与各个光流估计模块分别对应连接一个或者多个候选网络操作,例如:与各个光流估计模块对应连接归一化操作或者卷积操作,在归一化操作或者卷积操作之后还可以连接激活操作,而“连接”的含义,可以例如,归一化操作或者卷积操作的输出数据,是激活操作的输入数据,在实际应用场景中,各个光流估计模块所对应连接的候选网络操作,可以是根据实际应用场景设计得到的,此处不作限制。
S103:从多个候选网络操作之中确定出目标网络操作。
其中,从多个候选网络操作中搜索得到的网络操作,可以被称为目标网络操作,目标网络操作的数量可以是一个或者多个,对此不做限制。
一些实施例中,从多个候选网络操作之中确定出目标网络操作,可以理解为是对光流估计模块的结构搜索过程,从多个候选网络操作搜索能够使第一光流估计模型的性能表现更加的网络操作,作为目标网络操作。
上述获取第一光流估计模型后,本公开实施例可以进一步地从多个候选网络操作之中确定出目标网络操作。
举例而言,结合上述的多个候选网络操作,卷积操作、深度可分离卷积操作、归一化操作、激活操作、skip-connect操作、element-add操作、concat操作中的一种操作或者多种操作均可以被称为目标网络操作。
在从多个候选网络操作之中确定出目标网络操作时,一些实施例中,例如可以根据多个候选网络操作对第一光流估计模型性能的贡献程度对多个候选网络操作进行排序,并根据排序结果选择目标网络操作。
另一些实施例中,还可以对多个候选网络操作添加权重计算操作,可以通过权重值表示各个候选网络操作对第一光流估计模型性能的贡献程度,进而可以根据权重值确定目标网络操作,关于根据权重值确定目标网络操作的实施方式,可以具体参见下述实施例。
此外,还可以通过其它任意可能的方式确定目标网络操作,对此不作限制。
S104:根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型。
上述确定目标网络操作后,本公开实施例可以根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型,由于初始的第二光流估计模型是对上述的第一光流估计模型进行结构搜索得到的,从而初始的第二光流估计模型可相比于第一光流估计模型,具有更为简洁的网络结构。
也即是说,本公开实施例可以对上述的第一光流估计模型进行结构搜索得到多个目标网络操作和多个光流估计模块,从而基于多个目标网络操作和多个光流估计模块生成初始的第二光流估计模型。
一些实施例中,例如可以从第一光流估计模型包含的多个候选网络操作中抽选部分网络操作作为该目标网络操作,并将抽选的目标网络操作结合相应的光流估计模块构成第二光流估计模型。
S105:根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型。
上述对第一光流估计模型进行结构搜索得到多个目标网络操作和多个光流估计模块,从而基于多个目标网络操作和多个光流估计模块生成初始的第二光流估计模型后,还可以根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型,以使训练得到的目标光流估计模型具有光流估计的功能,且目标光流估计模型的网络结构更为简洁,在保障模型光流估计准确性的同时,降低了模型训练的软硬件资源消耗,有效降低计算负荷。
本实施例中,通过获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息,并获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作,并从多个候选网络操作之中确定出目标网络操作,并根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型,以及根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型,能够有效提升光流估计模型的训练速度以及模型估计的准确性,从而有效地满足视频分析和视频处理场景中对光流估计准确性的需求,辅助提升视频分析和视频处理的效果。
图2是根据本公开第二实施例的示意图。
如图2所示,该光流估计模型的训练方法包括:
S201:获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息。
S202:获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作。
S201-S202的描述说明可以具体参见上述实施例,在此不再赘述。
S203:对多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作。
在从多个候选网络操作之中确定出目标网络操作的操作中,本公开实施例首先可以对多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作,其中,对候选网络操作添加对应的权重计算操作后得到的网络操作,可以被称为中间网络操作,该权重计算操作可以具有一些权重计算函数,从而可以基于权重计算函数来运算相应的候选网络操作对模型整体的性能贡献程度。
一些实施例中,例如可以将操作集合和分支集合包含的参数进行数学建模,将其中包含的多个候选网络操作添加对应的多个权重层(还可以增加逻辑回归层,softmax层),实现对多个候选网络操作添加相应的权重计算操作,以生成对应的多个中间网络操作。
其中,权重计算操作可以用于拟合得到候选网络操作对模型整体的性能贡献程度,例如,可以基于该权重计算操作计算得到权重值,从而基于该权重值对性能贡献程度进行数值化表征,并支持梯度下降法进行训练。
可选地,一些实施例,在对多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作时,可以是根据执行光流估计任务的场景需求,从多个候选网络操作之中筛选至少部分第一候选网络操作,也即是说,本公开实施例的光流估计模型的训练方法可以支持不同光流估计任务的场景的个性化需求。
一些实施例中,光流估计任务的场景可以对应不同的硬件设备环境,例如:服务器上运行该光流估计模型的训练方法,终端上运行该光流估计模型的训练方法,对应于两种光流估计任务的场景。
另一些实施例中,光流估计任务的场景还可以对应不同的软件应用,
例如:对公路上的车辆执行光流估计任务、对马路上的行人执行光流估计任务,可以是对应于两种光流估计任务的场景。
此外,光流估计任务的场景还可以是其它任意可能的场景,对此不作限制。
本公开实施例中,可以根据执行光流估计任务的场景需求,从多个候选网络操作之中筛选网络操作,而筛选出的网络操作可以被称为第一候选网络操作,该第一候选网络操作可以是多个候选网络操作的全部候选网络操作,或者还可以是部分候选网络操作,对此不做限制。
上述确定第一候选网络操作后,进一步地,对至少部分第一候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作。由于中间目标网络操作是根据执行光流估计任务的场景需求筛选得到的,因此可以支持满足不同光流估计任务的个性化场景需求,提升光流估计任务在不同场景下的光流估计的准确性。
此外,在实际操作中,还可以采用其它任意可能的方式生成对应的多个中间网络操作,对此不做限制。
可选地,一些实施例中,在从多个候选网络操作之中筛选至少部分第一候选网络操作时,首先可以确定目标光流估计模型待部署至的平台的性能参数,其中平台用于执行光流估计任务。
举例而言,例如目标光流估计模型待部署至的平台为交通管理平台,该交通管理平台部署的目标光流估计模型,可以用于实现对车辆进行光流估计,则可以首先确定该交通管理平台的性能参数,并基于该性能参数辅助搜索网络结构。
其中,平台的性能参数可以包括平台的计算速度、储存量、吞吐量以及其它任意可能的性能参数,对此不做限制。
进一步地,确定与光流估计任务对应的数据量和时间需求信息。
其中,与光流估计任务对应的数据量可以是单位时间的数据量,例如:10分钟处理的数据量,或者还可以总的数据量,例如处理10000条数据。时间需求信息可以是光流估计任务的执行时间范围,例如9:00-12:00,或者还可以是光流估计任务处理指定数据量所需的时间,例如处理100条数据所需的时间,数据量与时间需求信息可以根据实际的应用场景确定,对此不做限制。
进一步地,根据性能参数、数据量和时间需求信息,从多个候选网络操作之中筛选至少部分第一候选网络操作。因此,本公开实施例可以根据平台的性能和光流估计任务的数据量及时间需求等信息,灵活地对网络结构进行搜索,以确定第一候选网络操作,从而使得搜索得到的候选网络操作与平台性能更加适配,可以辅助提升目标光流估计模型在部署模型的平台上的运行稳定性,进而可以提升平台的光流估计效果。
可以理解的是,上述实例只是对从多个候选网络操作之中筛选至少部分第一候选网络操作进行示例性说明,在实际应用中,还可以采用其它任意可能的方式确定该第一候选网络操作,对此不做限制。
S204:根据多个中间网络操作和多个光流估计模块,生成初始的第三光流估计模型。
上述确定中间网络操作后,本公开实施例可以根据多个经过加权计算的中间网络操作和多个光流估计模块,生成初始的第三光流估计模型。
也即是说,本公开实施例可以根据多个中间网络操作和多个光流估计模块对第一光流估计模型进行结构搜索处理,生成初始的第三光流估计模型,该第三光流估计模型可以被用于辅助确定出各个候选网络操作对应的权重值,而在实际应用中,例如可以从多个加权后的候选网络操作抽选出中间网络操作,并将多个中间网络操作作为光流估计模块包含的网络操作,从而可以初步确定多个光流估计模块的模型结构,以生成该第三光流估计模型。
S205:根据多个样本视频数据、多个标注光流信息训练初始的第三光流估计模型,直至第三光流估计模型满足收敛条件。
上述生成初始的第三光流估计模型后,本实施例可以根据多个样本视频数据、多个标注光流信息训练初始的第三光流估计模型,直至第三光流估计模型满足收敛条件。
一些实施例中,对第三光流估计模型的训练过程,可以理解为对于模型每个block的最优操作搜索过程,通过添加权重层参数可以达到找寻优化卷积神经网络结构的目的。
另一些实施例中,对于多个不同的光流估计模块可以采用渐进式搜索方式,也即是说,每一光流估计模块单独搜索结构,搜索完成后将其网络结构进行固定,而后进行下一光流估计模块搜索,直至全部的光流估计模块的结构完成搜索,从而执行对三光流估计模型的训练过程。
可选地,一些实施例中,在对第三光流估计模型训练过程中,例如可以根据多个样本视频数据和多个标注光流信息,结合随机梯度下降法(stochastic gradient descent,SGD)训练初始的第三光流估计模型,在采用随机梯度下降法对模型进行训练时,可以在每次迭代中,随机优化某一样本视频数据上的损失函数,可以加快模型训练速度。
可以理解的是,上述实例只是以采用SGD梯度下降法对训练过程进行示例性说明,在实际操作中,还可以采用其它任意可能的梯度下降算法训练该初始的第三光流估计模型,对此不做限制。
S206:获取第三光流估计模型之中多个权重计算操作分别输出的多个权重值,权重值,指示相应的候选网络操作对第三光流估计模型的性能贡献程度。
由于该第三光流估计模型可以被用于辅助确定出各个候选网络操作对应的权重值,权重值,指示相应的候选网络操作对第三光流估计模型的性能贡献程度,从而本申请实施例中,当针对第三光流估计模型训练完毕时,可以直接参考第三光流估计模型输出的权重值,来辅助选取相应的目标网络操作。
举例而言,例如候选网络操作为卷积操作,则卷积操作对应的权重值可以反映该卷积操作对第三光流估计模型的性能贡献程度,权重值越大,则可以表示对应的候选网络操作对第三光流估计模型的性能贡献程度越大,也即是说,当采用该贡献程度较大的候选网络操作辅助第三光流估计模型执行光流估计任务时,使其能够获得更好的光流估计性能表现。
S207:根据多个权重值,从多个候选网络操作之中确定出目标网络操作。
一些实施例中,例如可以对多个权重值进行排序,将多个权重值之中值最大的权重值对应的候选网络操作作为目标网络操作。从而,实现快速地确定出性能贡献程度较大的候选网络操作,有效地辅助提升网络结构搜索的效率,从而保障目标光流估计模型的性能。此外,通过参考权重值以确定目标网络操作,可以有效地提升计算速度,并且简化计算过程,因此,能够可以提升目标光流估计模型的训练速度。
S208:根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型。
S209:根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型。
S208-S209:的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,通过获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息,并获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作,并从多个候选网络操作之中确定出目标网络操作,并根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型,以及根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型,能够有效提升光流估计模型的训练速度以及模型估计的准确性,从而有效地满足视频分析和视频处理场景中对光流估计准确性的需求,辅助提升视频分析和视频处理的效果。此外,在确定目标网络操作的过程中可以结合权重值进行选择,因此目标网络操作对光流估计模型的贡献程度更大,能够提升光流估计的效果。并且,对网络操作进行筛选还可以简化模型的网络结构,提升模型性能。此外,还可以提升光流估计任务在不同场景下的准确性,满足不同场景下对于光流估计的需求,并且提升目标光流估计模型在任何平台上运行的稳定性。并且,采用随机梯度下降法对模型进行训练时,可以在每次迭代中,随机优化某一样本视频数据上的损失函数,可以加快模型训练速度。并且,实现快速地确定出性能贡献程度较大的候选网络操作,有效地辅助提升网络结构搜索的效率,从而保障目标光流估计模型的性能。此外,通过参考权重值以确定目标网络操作,可以有效地提升计算速度,并且简化计算过程,因此,能够可以提升目标光流估计模型的训练速度。
在一个具体实例中,图3是本公开实施例提出的第二光流估计模型训练过程示意图,如图3所示,首先输入图像(对应于上述实例中的获取多个样本视频数据);进一步地,进行数据预处理,例如对样本视频数据中前后两帧视频以及其光流标注信息按顺序排列;进一步地,初始化超网络(对应于上述实例中的第一光流估计模型);进一步地,更新第一光流估计模型的结构参数和权重参数(对应于上述实例确定目标网络操作和加权计算),直至初始化超网络收敛,得到第二光流估计模型。
此外,图4是本公开实施例提出的目标光流估计模型的训练过程示意图,在确定第二光流估计模型后,还可以对第二光流估计模型进行训练,得到目标光流估计模型。训练过程如图4所示,输入图像(对应于上述实例中的获取多个样本视频数据);进一步地,进行数据预处理,例如对样本视频数据中前后两帧视频以及其光流标注信息按顺序排列。进一步地,初始化网络参数(即,初始化第二光流估计模型的网络参数),并对网络(第二光流估计模型)进行训练直至网络收敛,得到目标光流估计模型。
图5是根据本公开第三实施例的示意图。
如图5所示,该光流估计模型的训练方法包括:
S501:获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息。
S502:获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作。
S503:从多个候选网络操作之中确定出目标网络操作。
S504:根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型。
S501-S504的描述说明可以具体参见上述实施例,在此不再赘述。
S505:将多个样本视频数据输入至初始的第二光流估计模型之中,以得到第二光流估计模型中的多个光流估计模块分别输出的多个预测光流信息。
在根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型时,首先可以将多个样本视频数据输入至初始的第二光流估计模型之中,以得到第二光流估计模型中的多个光流估计模块分别输出的多个预测光流信息。
其中,由第二光流估计模型实际输出的光流信息可以被称为预测光流信息,该预测光流信息例如可以与标注光流信息的形式形同,例如预测光流信息和标注光流信息均为光流场的形式。
在实际应用中,可以将多个样本视频数据输入至第二光流估计模型之中,其中,输入的样本视频数据的具体形式可以为光学三原色(Red、Green、Blue,RGB)视频帧对(即,前后相邻的两个视频帧),输出为与该视频帧对对应的预测光流信息。从而,通过第二光流估计模型可以输出与多个样本视频数据分别对应的多个预测光流信息。
S506:确定多个预测光流信息和多个标注光流信息之间的多个光流损失值。
上述确定多个预测光流信息后,可以确定多个预测光流信息和多个标注光流信息之间的多个光流损失值。
一些实施例中,例如可以采用SGD梯度下降法确定多个预测光流信息和多个标注光流信息之间的多个光流损失值。
另一些实施例中,还可以对第二光流估计模型中每一个光流估计模块均计算一个对应的损失函数,也即是说,每个光流估计模块都可以计算一个对应的损失值,从而多个光流估计模块可以对应多个损失值,可以对每个光流估计模块的损失值进行加权求和,得到该光流损失值。此外,还可以通过其它任意可能的方式确定多个光流损失值,对此不做限制。
S507:如果光流损失值满足设定条件,则将训练得到的第二光流估计模型作为目标光流估计模型。
一些实施例中,例如设定条件例如可以是阈值的形式,可以将光流损失值于阈值进行比较,如果光流损失值满足设定条件,则将训练得到的第二光流估计模型作为目标光流估计模型。
也即是说,本公开实施例可以采用有监督训练的方式训练目标光流网络模型,采用样本视频数据的标注光流信息作为参考值,计算模型实际输出的预测光流信息与参考值之间的损失值,进而根据损失值对目标光流估计模型进行优化,通过采用有监督训练的方式,训练过程逻辑简单易于实现,可以结合参考值确定模型的最优网络结构,以使得目标光流估计模型可以获得最好的预测效果。
此外,还可以通过其它任意可能的设定条件确定目标光流估计模型,对此不做限制。从而,本实施例通过SGD梯度下降法计算预测光流信息和标注光流信息之间的光流损失值,并通过光流损失值确定目标光流估计模型,因此还可以加快模型的训练速度。
本公开实施例,通过获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息,并获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作,并从多个候选网络操作之中确定出目标网络操作,并根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型,以及根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型,能够有效提升光流估计模型的训练速度以及模型估计的准确性,从而有效地满足视频分析和视频处理场景中对光流估计准确性的需求,辅助提升视频分析和视频处理的效果。此外,采用有监督训练的方式,训练过程逻辑简单易于实现,可以结合参考值确定模型的最优网络结构,以使得目标光流估计模型可以获得最好的预测效果。并且,通过SGD梯度下降法计算预测光流信息和标注光流信息之间的光流损失值,还可以加快模型的训练速度。
图6是根据本公开第四实施例的示意图。
如图6所示,该光流估计方法,包括:
S601:获取待测视频数据;
其中,用于进行光流估计的视频数据可以被称为待测视频数据,该待测视频数据例如可以是RGB视频帧对(2帧视频),并且待测视频数据可以是任意可能场景下的视频数据,对此不做限制。
S602:将待测视频数据输入至如上述任一项的目标光流估计模型之中,以得到目标光流估计模型输出的目标光流信息。
上述获取待测视频数据后,可以将待测视频数据输入至如上述任一项的目标光流估计模型之中,以得到目标光流估计模型输出的目标光流信息,即:采用上述实施例训练的目标光流估计模型对该待测视频数据的光流信息进行模型预测,输出与待测视频数据对应的目标光流信息。
一些实施例中,输出的目标光流信息例如可以是光流场特征图,该光流场特征图与待测视频帧大小相同,且光流场特征图中每一个像素可以对应一个2维的光流向量。
本公开实施例,通过获取待测视频数据,并将待测视频数据输入至如上述任一项的目标光流估计模型之中,以得到目标光流估计模型输出的目标光流信息。由于采用上述实施例训练目标光流估计模型,因此可以提升目标光流估计模型的训练速度以及模型估计的准确性,从而可以提升目标光流信息的估计准确性,有效地满足视频分析和视频处理场景中对光流估计准确性的需求,辅助提升视频分析和视频处理的效果。
在一个具体实例中,图7是本公开实施例提出的光流估计过程示意图,如图7所示,输入图像(对应于上述实例中待测视频数据);进一步地,进行数据预处理,例如待测视频数据中前后两帧视频以及其光流标注信息按顺序排列。进一步地,将预处理后的待测视频数据输入至训练好的光流网络(对应于目标光流估计模型),输出光流(对应于目标光流信息),还可以输出可视化光流结果。
本公开实施例提供一种自动化光流网络设计并最终达到提升光流估计的效果。相较于已有相关技术,本公开可以进行简单的设置,对光流估计网络进行优化,特别是针对光流估计模块和更新模块,能够通过自动搜索找到精度更高的网络结构。此外,针对不同的计算量、内存、时间等部署限制条件,能够自动生成网络结构,保证准确率的同时满足不同硬件的要求。并且,与相关技术的光流算法相比,本公开实施例的算法误差在深度学习数据集(例如:辛特尔Sintel数据集)上比神经网络光流估计算法(CNNs for Optical Flow UsingPyramid,Warping,and Cost Volume,PWCNet)降低53.5%。
图8是根据本公开第五实施例的示意图。
如图8所示,该光流估计模型的训练装置80,包括:
第一获取模块801,用于获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息;
第二获取模块802,用于获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作;
确定模块803,用于从多个候选网络操作之中确定出目标网络操作;
生成模块804,用于根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型;以及
训练模块805,用于根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型。
可选地,在本公开的一些实施例中,如图9所示,图9是根据本公开第六实施例的示意图,该光流估计模型的训练装置90,包括:第一获取模块901、第二获取模块902、确定模块903、生成模块904、训练模块905,其中,该确定模块903,包括:
第一生成子模块9031,用于对多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作;
第二生成子模块9032,用于根据多个中间网络操作和多个光流估计模块,生成初始的第三光流估计模型;以及
第一训练子模块9033,用于根据多个样本视频数据、多个标注光流信息训练初始的第三光流估计模型,直至第三光流估计模型满足收敛条件;
获取子模块9034,用于获取第三光流估计模型之中多个权重计算操作分别输出的多个权重值,权重值,指示相应的候选网络操作对第三光流估计模型的性能贡献程度;以及
确定子模块9035,用于根据多个权重值,从多个候选网络操作之中确定出目标网络操作。
可选地,在本公开的一些实施例中,第一训练子模块9033,具体用于:根据多个样本视频数据和多个标注光流信息,结合随机梯度下降法训练初始的第三光流估计模型。
可选地,在本公开的一些实施例中,确定子模块9035,具体用于:
将多个权重值之中值最大的权重值对应的候选网络操作作为目标网络操作。
可选地,在本公开的一些实施例中,第一生成子模块9031,具体用于:
根据执行光流估计任务的场景需求,从多个候选网络操作之中筛选至少部分第一候选网络操作;对至少部分第一候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作。
可选地,在本公开的一些实施例中,第一生成子模块9031,具体用于:
确定目标光流估计模型待部署至的平台的性能参数,平台用于执行光流估计任务;确定与光流估计任务对应的数据量和时间需求信息;以及根据性能参数、数据量和时间需求信息,从多个候选网络操作之中筛选至少部分第一候选网络操作。
可选地,在本公开的一些实施例中,如图9所示,训练模块905,包括:
输入子模块9051,用于将多个样本视频数据输入至初始的第二光流估计模型之中,以得到第二光流估计模型中的多个光流估计模块分别输出的多个预测光流信息;
计算子模块9052,用于确定多个预测光流信息和多个标注光流信息之间的多个光流损失值;
第二训练子模块9053,用于在光流损失值满足设定条件时,则将训练得到的第二光流估计模型作为目标光流估计模型。
可以理解的是,本实施例附图9中的光流估计模型的训练装置90与上述实施例中的光流估计模型的训练装置80,第一获取模块901与上述实施例中的第一获取模块801,第二获取模块902与上述实施例中的第二获取模块802,生成模块904与上述实施例中的生成模块804,训练模块905与上述实施例中的训练模块905,可以具有相同的功能和结构。
需要说明的是,前述对光流估计模型的训练方法的解释说明也适用于本实施例的光流估计模型的训练装置,此处不再赘述。
图10是根据本公开第七实施例的示意图。
如图10所示,该光流估计装置1000,包括:
第三获取模块1001,用于获取待测视频数据;
输出模块1002,用于将待测视频数据输入至如上述光流估计模型的训练装置训练得到的目标光流估计模型之中,以得到目标光流估计模型输出的目标光流信息。
需要说明的是,前述对光流估计方法的解释说明也适用于本实施例的光流估计装置,此处不再赘述。
本实施例中,通过获取多个样本视频数据,和与多个样本视频数据分别对应的多个标注光流信息,并获取第一光流估计模型,第一光流估计模型包括:多个光流估计模块,各个光流估计模块分别具有对应连接的多个候选网络操作,并从多个候选网络操作之中确定出目标网络操作,并根据多个目标网络操作和多个光流估计模块,生成初始的第二光流估计模型,以及根据多个样本视频数据、多个标注光流信息训练初始的第二光流估计模型,以得到目标光流估计模型,能够有效提升光流估计模型的训练速度以及模型精准度,从而有效地满足视频分析和视频处理场景中对光流估计准确性的需求。
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11是用来实现本公开实施例的光流估计模型的训练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/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100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1101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1101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1101执行上文所描述的各个方法和处理,例如,光流估计模型的训练方法、及光流估计方法。
例如,在一些实施例中,光流估计模型的训练方法、及光流估计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1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的光流估计模型的训练方法、及光流估计方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行光流估计模型的训练方法、及光流估计方法。
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。
用于实施本公开的光流估计模型的训练方法、及光流估计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光流估计模型的训练及光流估计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)、互联网及区块链网络。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为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,本发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,只要能够实现本公开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)
1.一种光流估计模型的训练方法,包括:
获取多个样本视频数据,和与所述多个样本视频数据分别对应的多个标注光流信息;
获取第一光流估计模型,所述第一光流估计模型包括:多个光流估计模块,各个所述光流估计模块分别具有对应连接的多个候选网络操作;
从所述多个候选网络操作之中确定出目标网络操作;
根据多个所述目标网络操作和所述多个光流估计模块,生成初始的第二光流估计模型,其中,将所述目标网络操作结合相应的光流估计模块构成第二光流估计模型;以及
根据所述多个样本视频数据、所述多个标注光流信息训练所述初始的第二光流估计模型,以得到目标光流估计模型;
所述从所述多个候选网络操作之中确定出目标网络操作,包括:
对所述多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作;
根据多个中间网络操作和所述多个光流估计模块,生成初始的第三光流估计模型;以及
根据所述多个样本视频数据、所述多个标注光流信息训练所述初始的第三光流估计模型,直至所述第三光流估计模型满足收敛条件;
获取所述第三光流估计模型之中所述多个权重计算操作分别输出的多个权重值,所述权重值,指示相应的所述候选网络操作对所述第三光流估计模型的性能贡献程度;以及
根据所述多个权重值,从所述多个候选网络操作之中确定出所述目标网络操作。
2.根据权利要求1所述的方法,其中,所述根据所述多个样本视频数据、所述多个标注光流信息训练所述初始的第三光流估计模型,包括:
根据所述多个样本视频数据和所述多个标注光流信息,结合随机梯度下降法训练所述初始的第三光流估计模型。
3.根据权利要求1所述的方法,其中,所述根据所述多个权重值,从所述多个候选网络操作之中确定出所述目标网络操作,包括:
将所述多个权重值之中值最大的权重值对应的候选网络操作作为所述目标网络操作。
4.根据权利要求1所述的方法,其中,所述对所述多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作,包括:
根据执行光流估计任务的场景需求,从所述多个候选网络操作之中筛选至少部分第一候选网络操作;
对所述至少部分第一候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作。
5.根据权利要求4所述的方法,其中,所述根据执行光流估计任务的场景需求,从所述多个候选网络操作之中筛选至少部分第一候选网络操作,包括:
确定所述目标光流估计模型待部署至的平台的性能参数,所述平台用于执行所述光流估计任务;
确定与所述光流估计任务对应的数据量和时间需求信息;以及
根据所述性能参数、所述数据量和时间需求信息,从所述多个候选网络操作之中筛选至少部分第一候选网络操作。
6.根据权利要求1-5任一项所述的方法,其中,所述根据所述多个样本视频数据、所述多个标注光流信息训练所述初始的第二光流估计模型,以得到目标光流估计模型,包括:
将所述多个样本视频数据输入至所述初始的第二光流估计模型之中,以得到所述第二光流估计模型中的多个光流估计模块分别输出的多个预测光流信息;
确定所述多个预测光流信息和所述多个标注光流信息之间的多个光流损失值;
如果所述光流损失值满足设定条件,则将训练得到的第二光流估计模型作为所述目标光流估计模型。
7.一种光流估计方法,包括:
获取待测视频数据;
将所述待测视频数据输入至如上述权利要求1-6任一项所述的光流估计模型的训练方法训练得到的目标光流估计模型之中,以得到所述目标光流估计模型输出的目标光流信息。
8.一种光流估计模型的训练装置,包括:
第一获取模块,用于获取多个样本视频数据,和与所述多个样本视频数据分别对应的多个标注光流信息;
第二获取模块,用于获取第一光流估计模型,所述第一光流估计模型包括:多个光流估计模块,各个所述光流估计模块分别具有对应连接的多个候选网络操作;
确定模块,用于从所述多个候选网络操作之中确定出目标网络操作;
生成模块,用于根据多个所述目标网络操作和所述多个光流估计模块,生成初始的第二光流估计模型,其中,将所述目标网络操作结合相应的光流估计模块构成第二光流估计模型;以及
训练模块,用于根据所述多个样本视频数据、所述多个标注光流信息训练所述初始的第二光流估计模型,以得到目标光流估计模型;
其中,所述确定模块,包括:
第一生成子模块,用于对所述多个候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作;
第二生成子模块,用于根据多个中间网络操作和所述多个光流估计模块,生成初始的第三光流估计模型;以及
第一训练子模块,用于根据所述多个样本视频数据、所述多个标注光流信息训练所述初始的第三光流估计模型,直至所述第三光流估计模型满足收敛条件;
获取子模块,用于获取所述第三光流估计模型之中所述多个权重计算操作分别输出的多个权重值,所述权重值,指示相应的所述候选网络操作对所述第三光流估计模型的性能贡献程度;以及
确定子模块,用于根据所述多个权重值,从所述多个候选网络操作之中确定出所述目标网络操作。
9.根据权利要求8所述的装置,其中,所述第一训练子模块,具体用于:
根据所述多个样本视频数据和所述多个标注光流信息,结合随机梯度下降法训练所述初始的第三光流估计模型。
10.根据权利要求8所述的装置,其中,所述确定子模块,具体用于:
将所述多个权重值之中值最大的权重值对应的候选网络操作作为所述目标网络操作。
11.根据权利要求8所述的装置,其中,所述第一生成子模块,具体用于:
根据执行光流估计任务的场景需求,从所述多个候选网络操作之中筛选至少部分第一候选网络操作;
对所述至少部分第一候选网络操作分别添加对应的多个权重计算操作,以生成对应的多个中间网络操作。
12.根据权利要求11所述的装置,其中,所述第一生成子模块,具体用于:
确定所述目标光流估计模型待部署至的平台的性能参数,所述平台用于执行所述光流估计任务;
确定与所述光流估计任务对应的数据量和时间需求信息;以及
根据所述性能参数、所述数据量和时间需求信息,从所述多个候选网络操作之中筛选至少部分第一候选网络操作。
13.根据权利要求8-12任意一项所述的装置,其中,所述训练模块,包括:
输入子模块,用于将所述多个样本视频数据输入至所述初始的第二光流估计模型之中,以得到所述第二光流估计模型中的多个光流估计模块分别输出的多个预测光流信息;
计算子模块,用于确定所述多个预测光流信息和所述多个标注光流信息之间的多个光流损失值;
第二训练子模块,用于在所述光流损失值满足设定条件时,将训练得到的第二光流估计模型作为所述目标光流估计模型。
14.一种光流估计装置,包括:
第三获取模块,用于获取待测视频数据;
输出模块,用于将所述待测视频数据输入至如上述权利要求8-13任一项所述光流估计模型的训练装置训练得到的目标光流估计模型之中,以得到所述目标光流估计模型输出的目标光流信息。
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1-6中任一项所述的方法,或者执行权利要求7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,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法,或者执行根据权利要求7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1-6中任一项所述的方法,或者实现根据权利要求7所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110518986.1A CN113223058B (zh) | 2021-05-12 | 2021-05-12 | 光流估计模型的训练方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110518986.1A CN113223058B (zh) | 2021-05-12 | 2021-05-12 | 光流估计模型的训练方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113223058A CN113223058A (zh) | 2021-08-06 |
CN113223058B true CN113223058B (zh) | 2024-04-30 |
Family
ID=77095226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110518986.1A Active CN113223058B (zh) | 2021-05-12 | 2021-05-12 | 光流估计模型的训练方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223058B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961034A (zh) * | 2019-03-18 | 2019-07-02 | 西安电子科技大学 | 基于卷积门控循环神经单元的视频目标检测方法 |
WO2020063475A1 (zh) * | 2018-09-25 | 2020-04-02 | 清华大学 | 基于深度学习迭代匹配的6d姿态估计网络训练方法及装置 |
CN111695416A (zh) * | 2020-04-29 | 2020-09-22 | 浙江大学 | 一种基于自监督学习的稠密光流估计系统及方法 |
WO2020221278A1 (zh) * | 2019-04-29 | 2020-11-05 | 北京金山云网络技术有限公司 | 视频分类方法及其模型的训练方法、装置和电子设备 |
CN112529073A (zh) * | 2020-12-07 | 2021-03-19 | 北京百度网讯科技有限公司 | 模型训练方法、姿态估计方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160132728A1 (en) * | 2014-11-12 | 2016-05-12 | Nec Laboratories America, Inc. | Near Online Multi-Target Tracking with Aggregated Local Flow Descriptor (ALFD) |
-
2021
- 2021-05-12 CN CN202110518986.1A patent/CN113223058B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020063475A1 (zh) * | 2018-09-25 | 2020-04-02 | 清华大学 | 基于深度学习迭代匹配的6d姿态估计网络训练方法及装置 |
CN109961034A (zh) * | 2019-03-18 | 2019-07-02 | 西安电子科技大学 | 基于卷积门控循环神经单元的视频目标检测方法 |
WO2020221278A1 (zh) * | 2019-04-29 | 2020-11-05 | 北京金山云网络技术有限公司 | 视频分类方法及其模型的训练方法、装置和电子设备 |
CN111695416A (zh) * | 2020-04-29 | 2020-09-22 | 浙江大学 | 一种基于自监督学习的稠密光流估计系统及方法 |
CN112529073A (zh) * | 2020-12-07 | 2021-03-19 | 北京百度网讯科技有限公司 | 模型训练方法、姿态估计方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
利用鱼眼相机对人群进行运动估计;胡学敏;郑宏;郭琳;熊饶饶;;武汉大学学报(信息科学版);20170405(04);全文 * |
基于多特征和尺度估计的核相关滤波跟踪算法;张伟;温显斌;;天津理工大学学报;20200615(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113223058A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113657465B (zh) | 预训练模型的生成方法、装置、电子设备和存储介质 | |
CN112560874B (zh) | 图像识别模型的训练方法、装置、设备和介质 | |
CN113538235B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN113379813B (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
CN112785625B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN114187624B (zh) | 图像生成方法、装置、电子设备及存储介质 | |
CN114549612A (zh) | 模型训练和图像处理方法、装置、设备及存储介质 | |
CN113591918B (zh) | 图像处理模型的训练方法、图像处理方法、装置和设备 | |
CN113177451B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN113361572A (zh) | 图像处理模型的训练方法、装置、电子设备以及存储介质 | |
CN116596916A (zh) | 缺陷检测模型的训练和缺陷检测方法及其装置 | |
CN115359308B (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
CN113627536A (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN113379877B (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
CN116468112B (zh) | 目标检测模型的训练方法、装置、电子设备和存储介质 | |
CN113223058B (zh) | 光流估计模型的训练方法、装置、电子设备及存储介质 | |
CN113554550B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN114972910B (zh) | 图文识别模型的训练方法、装置、电子设备及存储介质 | |
CN115272705B (zh) | 显著性物体检测模型的训练方法、装置以及设备 | |
CN113361363B (zh) | 人脸图像识别模型的训练方法、装置、设备及存储介质 | |
CN115937993A (zh) | 活体检测模型训练方法、活体检测方法、装置和电子设备 | |
CN114120180B (zh) | 一种时序提名的生成方法、装置、设备及介质 | |
CN113657466B (zh) | 预训练模型的生成方法、装置、电子设备和存储介质 | |
CN113514053B (zh) | 生成样本图像对的方法、装置和更新高精地图的方法 | |
CN114037052A (zh) | 检测模型的训练方法、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 | ||
GR01 | Patent grant |