CN113343959A - 场景图像识别方法、装置、电子设备和计算机可读介质 - Google Patents
场景图像识别方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113343959A CN113343959A CN202110899448.1A CN202110899448A CN113343959A CN 113343959 A CN113343959 A CN 113343959A CN 202110899448 A CN202110899448 A CN 202110899448A CN 113343959 A CN113343959 A CN 113343959A
- Authority
- CN
- China
- Prior art keywords
- scene
- image
- sub
- feature
- image recognition
- 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
Images
Classifications
-
- 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
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了场景图像识别方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取车辆车载相机拍摄的场景图像;对上述场景图像进行图像分割,得到场景子图像组;通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。该实施方式可以提高场景图像的识别准确率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及场景图像识别方法、装置、电子设备和计算机可读介质。
背景技术
场景图像识别方法,是用于识别场景图像的一项技术。目前,在进行场景图像识别时,通常采用的方式为:利用常用的深度学习网络(例如,卷积神经网络,深度残差网络,残差网络等),对场景图像进行整体的场景图像识别。
然而,当采用上述方式进行场景图像识别时,经常会存在如下技术问题:
第一,对场景图像进行整体的场景图像识别,未对场景图像进行分割,使得场景图像中存在多种场景(例如,鸟,车,路,建筑等),导致在识别过程中场景之间存在特征影响,由此,降低了场景图像识别的准确率;
第二,常用的进行场景图像识别的深度学习网络(例如,卷积神经网络,深度残差网络,残差网络等)中的超参数较多,导致降低了模型训练的效率。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了场景图像识别方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种场景图像识别方法,该方法包括:获取车辆车载相机拍摄的场景图像;对上述场景图像进行图像分割,得到场景子图像组;通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。
第二方面,本公开的一些实施例提供了一种场景图像识别装置,该装置包括:获取单元,被配置成获取车辆车载相机拍摄的场景图像;图像分割单元,被配置成对上述场景图像进行图像分割,得到场景子图像组;识别单元,被配置成通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。
第三方面,本公开的一些实施例提供了一种目标车辆检测信息生成方法,包括:获取车辆车载相机拍摄的场景图;将上述场景图输入至目标检测模型中,以生成目标车辆检测信息,其中,上述目标检测模型通过如上述目标检测模型训练方法生成。
第四方面,本公开的一些实施例提供了一种目标车辆检测信息生成装置,包括:获取单元,被配置成获取车辆车载相机拍摄的场景图;生成单元,被配置成将上述场景图输入至目标检测模型中,以生成目标车辆检测信息,其中,上述目标检测模型通过如上述目标检测模型训练方法生成。
第五方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第六方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的场景图像识别方法,可以提高场景图像识别的准确率。具体来说,造成降低场景图像识别准确率的原因在于:对场景图像进行整体的场景图像识别,未对场景图像进行分割,使得场景图像中存在多种场景(例如,鸟,车,路,建筑等),导致在识别过程中场景之间存在特征影响。基于此,本公开的一些实施例的场景图像识别方法,首先,对上述场景图像进行图像分割,得到场景子图像组。由此,通过对场景图像进行分割,避免了场景图像中存在多种场景,造成的场景之间存在特征影响的问题。然后,通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。由此,在进行图像分割后,通过引入预设的场景图像识别模型,可以分别对每个场景图像进行场景图像识别。从而,可以提高场景图像的识别准确率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的场景图像识别方法的一个应用场景的示意图;
图2是根据本公开的场景图像识别方法的一些实施例的流程图;
图3是根据本公开的场景图像识别方法的另一些实施例的流程图;
图4是根据本公开的场景图像识别装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
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。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。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的场景图像识别的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取车辆车载相机拍摄的场景图像102。然后,计算设备101可以对上述场景图像102进行图像分割,得到场景子图像组103。最后,计算设备101可以通过预设的场景图像识别模型104,对上述场景子图像组103中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集105,以及将上述场景子图像识别结果集105发送至显示终端106以供显示。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备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计算设备。
继续参考图2,示出了根据本公开的场景图像识别方法的一些实施例的流程200。该场景图像识别的流程200,包括以下步骤:
步骤201,获取车辆车载相机拍摄的场景图像。
在一些实施例中,场景图像识别方法的执行主体(如图1所示的计算设备101)可以通过有线的方式或者无线的方式获取车辆车载相机拍摄的场景图像。其中,上述场景图像可以车辆车载相机拍摄的车辆正前方的图像,也可以车辆侧方的图像。上述场景图像中可以包括至少一中场景。例如,鸟、车、建筑和树木等场景。
步骤202,对场景图像进行图像分割,得到场景子图像组。
在一些实施例中,上述执行主体可以对上述场景图像进行图像分割,得到场景子图像组。其中,可以通过图像分割模型,对上述场景图像进行图像分割,得到场景子图像组。上述图像分割模型可以包括但不限于以下任意一项:G-CRF(Gaus-conditional randomfield,高斯条件随机场)模型、DenseCRF(Fully-Connected Conditional Random Fields,全连接条件随机场)模型、MRF(MRF-Markov Random Field,马尔科夫条件随机场)模型、SPP(Spatial Pyramid Pooling,空间金字塔池化模块)模型和FCN(Fully ConvolutionalNetworks,全卷机神经网络)模型等。在此不作具体限定。
作为示例,上述场景图像由鸟、车、建筑和树木等场景组成。那么,通过图像分割之后,可以得到场景为鸟、车、建筑或树木等单个的场景子图像。
步骤203,通过预设的场景图像识别模型,对场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将场景子图像识别结果集发送至显示终端以供显示。
在一些实施例中,上述执行主体可以通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及可以将上述场景子图像识别结果集发送至显示终端以供显示。其中,上述预设的场景图像识别模型可以包括但不限于以下任意一项:Resnet(Residual Network,残差神经网络)模型、VGG(Visual Geometry Group Network,卷积神经网络)模型和GoogLeNet(深度神经网络)模型等。上述图像识别结果可以是每个场景子图像的类型。例如,场景子图像中的场景可以是树。那么该场景子图像对应的场景子图像识别结果类型可以是树。
可选的,上述执行主体还可以根据上述场景子图像组,对上述场景图像进行场景子图像区域划分,得到区域划分场景图像。其中,场景子图像区域划分可以是在场景图像中标记出不同场景子图像之间的边界。
可选的,上述场景子图像识别结果集中的场景子图像识别结果还可以包括场景子图像识别向量。以及上述执行主体还可以执行如下步骤:
第一步,根据上述场景子图像识别结果集中每个场景子图像识别结果包括的场景子图像识别向量,生成场景子图像类别信息组。其中,场景子图像识别向量可以用于表征上述场景图像识别模型对场景子图像识别的结果。场景子图像识别向量的向量维度可以用于表征上述场景图像中存在的场景类别数量。例如,场景图像中存在鸟、车、建筑和树木等场景。场景的数量可以是4。那么,场景子图像识别向量的维度可以是4。场景子图像识别向量的向量维度还可以用于表征预设的场景类别数量。例如,预设的场景类别数量为10(即,10种不同的场景类型)。那么场景子图像识别向量的维度可以是10。上述场景子图像识别向量中每个维度的数值可以用于表征上述场景图像识别模型将场景子图像识别该维度对应的类型的概率值。另外,可以将场景子图像识别向量中数值最大的维度对应的场景类别确定为场景子图像类别信息。由此,可以得到场景子图像类别信息组。
作为示例,上述场景子图像识别向量可以是:[鸟:0.2%,车:0.1%,建筑:0.3%,树木:95%]。另外,该场景子图像识别向量中数值最大的可以是:95%。那么,可以将场景类别“树木”确定为场景子图像类别信息。
第二步,根据上述场景子图像类别信息组中的各个场景子图像类别信息对上述区域划分场景图像进行场景类型标记,得到场景类型标记图像。其中,由于上述区域划分场景图像中划分的区域可以对应场景子图像。因此,可以确定场景子图像的场景子图像类别信息在划分场景图像中的对应区域。由此,场景类型标记可以是将场景子图像类别信息包括的场景类别以文字的形式标记在上述区域划分场景图像中的对应区域。
第三步,将上述场景类型标记图像发送至上述显示终端以供显示。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的场景图像识别方法,可以提高场景图像识别的准确率。具体来说,造成降低场景图像识别准确率的原因在于:对场景图像进行整体的场景图像识别,未对场景图像进行分割,使得场景图像中存在多种场景(例如,鸟,车,路,建筑等),导致在识别过程中场景之间存在特征影响。基于此,本公开的一些实施例的场景图像识别方法,首先,对上述场景图像进行图像分割,得到场景子图像组。由此,通过对场景图像进行分割,避免了场景图像中存在多种场景,造成的场景之间存在特征影响的问题。然后,通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。由此,在进行图像分割后,通过引入预设的场景图像识别模型,可以分别对每个场景图像进行场景图像识别。从而,可以提高场景图像的识别准确率。
进一步参考图3,其示出了场景图像识别方法的另一些实施例的流程300。该场景图像识别方法的流程300,包括以下步骤:
步骤301,获取车辆车载相机拍摄的场景图像。
在一些实施例中,步骤301的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201,在此不再赘述。
步骤302,对场景图像进行图像检测以生成图像检测信息。
在一些实施例中,场景图像识别方法的执行主体(如图1所示的计算设备101)可以对上述场景图像进行图像检测以生成图像检测信息。其中,可以通过图像语义检测算法,生成图像检测信息。上述图像语义检测算法可以包括但不限于以下任意一项:RefineNet(Multi-Path Refinement Networks for High-Resolution Semantic Segmentation,用于高分辨率语义分割的多路径细化网络)算法,SegNet (A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation,一种用于图像分割的深度卷积编码-解码结构模型)算法,DeepLab(Semantic Image Segmentation with Deep ConvolutionalNets,Atrous Convolution and Fully Connected CRFs,采用深度卷积网络,Atrous卷积和全连接CRF的语义图像分割)算法等,在此不做具体限定。上述图像检测信息可以包括检测到的上述场景图像中不同类别场景之间的分界线。
步骤303,根据图像检测信息,对场景图像进行图像分割,得到场景子图像组。
在一些实施例中,上述执行主体可以根据上述图像检测信息,对上述场景图像进行图像分割,得到场景子图像组。其中,图像分割可以是按照上述图像检测信息包括的上述场景图像中不同类别场景之间的分界线,对上述场景图像进行分割,得到场景子图像组。
步骤304,通过预设的场景图像识别模型,对场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将场景子图像识别结果集发送至显示终端以供显示。
在一些实施例中,步骤304的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤203,在此不再赘述。
在一些实施例的一些可选的实现方式中,上述场景图像识别模型可以包括:第一卷积层、第一池化层、卷积模块组、全连接模块和属性回归层,上述卷积模块组中的卷积模块可以包括:第二卷积层、第三卷层和第四卷积层,上述全连接模块可以包括:第二池化层、第一全连接层、第二全连接层和特征映射层。
作为示例,上述第一卷积层的卷积核的尺寸可以是7×7,通道数为64,步长为2。上述第一池化层可以是最大池化,卷积核尺寸可以是3×3,步长为2。第二卷积层的卷积核尺寸可以是1×1,通道数为4,卷积核数量可以是256。第三卷积层的卷积核尺寸可以是3×3,通道数可以是4,卷积核数量可以是4。第四卷积层的卷积核尺寸可以是1×1,通道数可以是256,卷积核数量可以是4。第二池化层可以是全局池化。第一全连接层的卷积核尺寸可以是1×1,卷积核数量可以是256,通道数可以是16。第二全连接层中的卷积核尺寸可以是1×1,卷积核数量可以是16,通道数可以是256。上述特征映射层可以指通过激活函数(例如,sigmoid,生长曲线函数),对第二全连接层输出的特征图进行特征映射,得到映射特征矩阵。上述属性回归层可以指通过激活函数(例如,relu,线性整流函数)对输入该属性回归层的数据进行运算得到场景子图像识别结果。
可选的,上述执行主体通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,可以包括以下步骤:
第一步,通过上述场景图像识别模型中的第一卷积层对上述场景子图像进行特征提取,以生成第一特征矩阵。其中,上述第一卷积层的卷积核的尺寸可以是7×7,通道数为64,步长为2。特征提取可以指卷积操作。
第二步,通过上述场景图像识别模型中的第一池化层对上述第一特征矩阵进行特征降维处理,以生成第一池化特征矩阵。其中,第一池化特征矩阵可以用于表征通道数为256,以及长度和宽度与上述场景图像相同的特征图。特征降维处理可以指池化操作。
第三步,通过上述场景图像识别模型中卷积模块组中每个卷积模块包括的第二卷积层对上述第一池化特征矩阵进行特征提取以生成第二子特征矩阵,得到第二子特征矩阵组。
作为示例,上述卷积模块组中可以包括32个卷积模块。该32个卷积模块可以用于将上述第一池化特征矩阵拆分为32份,以进行后续的特征提取。
上述实现方式,通过平行堆叠相同拓扑结构的方式,对场景图像的第一池化特征矩阵进行分组卷积。替代了常用的总体特征提取方式。由于各个卷积模块属于相同的拓扑结构,因此,可以减少超参数的数量。从而,可以提高模型训练的效率。
第四步,通过上述场景图像识别模型中卷积模块组中每个卷积模块包括的第三卷积层对上述第二子特征矩阵组中与上述卷积模块对应的第二子特征矩阵进行特征提取以生成第三子特征矩阵,得到第三子特征矩阵组。其中,在每个卷积模块中,第二卷积层输出的数据,可以对应的输入到该卷积模块中的第三卷积层。且不同卷积模块可以是保持相互独立。因此,可以确定卷积模块与第二子特征矩阵之间的对应关系。
第五步,通过上述场景图像识别模型中卷积模块组中每个卷积模块包括的第四卷积层对上述第三子特征矩阵组中与上述卷积模块对应的第三子特征矩阵进行特征提取以生成第四子特征矩阵,得到第四子特征矩阵组。其中,在每个卷积模块中,第三卷积层输出的数据,可以对应的输入到该卷积模块中的第四卷积层。且不同卷积模块可以是保持相互独立。因此,可以确定卷积模块与第三子特征矩阵之间的对应关系。
第六步,将上述第四子特征矩阵组中各个第四子特征矩阵的和确定为第一特征融合矩阵。其中,第一特征融合矩阵可以用于表征尺寸与上述场景图像的长度和宽度相同,通道数为256的特征图。
可选的,上述执行主体通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,还可以包括以下步骤:
第一步,通过上述场景图像识别模型中全连接模块包括的第二池化层对上述第一特征融合矩阵进行特征降维处理,以生成第二池化特征矩阵。其中,特征降维处理可以指全局池化操作。第二池化特征矩阵可以用于表征尺寸为1×1,通道数为256的特征图。
第二步,通过上述场景图像识别模型中全连接模块包括的第一全连接层对上述第二池化特征矩阵进行特征卷积处理,以生成第五特征矩阵。其中,对上述第二池化特征矩阵进行特征卷积处理可以是通过第一全连接层,即卷积核尺寸可以是1×1,卷积核数量可以是256,通道数可以是16,对上述第二池化特征矩阵进行卷积操作。得到第五特征矩阵。该第五特征矩阵可以用于表征尺寸为1×1,通道数为16的特征图。
第三步,通过上述场景图像识别模型中全连接模块包括的第二全连接层对上述第五特征矩阵进行特征卷积处理,以生成第六特征矩阵。其中,对上述第五特征矩阵进行特征卷积处理,可以是通过第二全连接层,即卷积核尺寸可以是1×1,卷积核数量可以是16,通道数可以是256,对上述第五特征矩阵进行卷积操作。得到第六特征矩阵。该第六特征矩阵可以用于表征尺寸为1×1,通道数为256的特征图。
第四步,通过上述场景图像识别模型中全连接模块包括的特征映射层对上述第六特征矩阵进行特征映射处理,以生成映射特征矩阵。其中,可以通过S型生长曲线函数对上述第六特征矩阵进行特征映射处理。上述映射特征矩阵可以可以用于表征尺寸为1×1,通道数为256的特征图。
第五步,将上述映射特征矩阵与上述第一特征融合矩阵的乘积确定为第二特征融合矩阵。
第六步,将上述第二特征融合矩阵与上述第一池化特征矩阵的和确定为第三特征融合矩阵。
第七步,通过上述场景图像识别模型中的属性回归层对上述第三特征融合矩阵进行特征变换,以生成上述场景子图像识别结果。其中,上述属性回归层可以指通过激活函数(例如,relu,线性整流函数)对第三特征融合矩阵进行特征变化。得到场景子图像识别结果。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的场景图像识别的流程300体现了场景图像识别模型的训练步骤。由于常用的进行场景图像识别的深度学习网络(例如,卷积神经网络,深度残差网络,残差网络等)中的超参数较多,导致降低了模型训练的效率。因此,在上述实现方式中,通过平行堆叠相同拓扑结构的方式,对场景图像的第一池化特征矩阵进行分组卷积。替代了常用的总体特征提取方式。由于各个卷积模块属于相同的拓扑结构,因此,可以减少超参数的数量。从而,可以提高模型训练的效率。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种场景图像识别装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的场景图像识别装置400包括:获取单元401、图像分割单元402和识别单元403。其中,获取单元401,被配置成获取车辆车载相机拍摄的场景图像;图像分割单元402,被配置成对上述场景图像进行图像分割,得到场景子图像组;识别单元403,被配置成通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取车辆车载相机拍摄的场景图像;对上述场景图像进行图像分割,得到场景子图像组;通过预设的场景图像识别模型,对上述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将上述场景子图像识别结果集发送至显示终端以供显示。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、图像分割单元、识别单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取场景图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种场景图像识别方法,包括:
获取车辆车载相机拍摄的场景图像;
对所述场景图像进行图像分割,得到场景子图像组;
通过预设的场景图像识别模型,对所述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将所述场景子图像识别结果集发送至显示终端以供显示。
2.根据权利要求1所述的方法,其中,所述方法还包括:
根据所述场景子图像组,对所述场景图像进行场景子图像区域划分,得到区域划分场景图像。
3.根据权利要求2所述的方法,其中,所述场景子图像识别结果集中的场景子图像识别结果包括场景子图像识别向量;以及
所述方法还包括:
根据所述场景子图像识别结果集中每个场景子图像识别结果包括的场景子图像识别向量,生成场景子图像类别信息组;
根据所述场景子图像类别信息组中的各个场景子图像类别信息对所述区域划分场景图像进行场景类型标记,得到场景类型标记图像;
将所述场景类型标记图像发送至所述显示终端以供显示。
4.根据权利要求1所述的方法,其中,所述对所述场景图像进行图像分割,得到场景子图像组,包括:
对所述场景图像进行图像检测以生成图像检测信息;
根据所述图像检测信息,对所述场景图像进行图像分割,得到场景子图像组。
5.根据权利要求1所述的方法,其中,所述场景图像识别模型包括:第一卷积层、第一池化层、卷积模块组、全连接模块和属性回归层,所述卷积模块组中的卷积模块包括:第二卷积层、第三卷层和第四卷积层,所述全连接模块包括:第二池化层、第一全连接层、第二全连接层和特征映射层。
6.根据权利要求5所述的方法,其中,所述通过预设的场景图像识别模型,对所述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,包括:
通过所述场景图像识别模型中的第一卷积层对所述场景子图像进行特征提取,以生成第一特征矩阵;
通过所述场景图像识别模型中的第一池化层对所述第一特征矩阵进行特征降维处理,以生成第一池化特征矩阵;
通过所述场景图像识别模型中卷积模块组中每个卷积模块包括的第二卷积层对所述第一池化特征矩阵进行特征提取以生成第二子特征矩阵,得到第二子特征矩阵组;
通过所述场景图像识别模型中卷积模块组中每个卷积模块包括的第三卷积层对所述第二子特征矩阵组中与所述卷积模块对应的第二子特征矩阵进行特征提取以生成第三子特征矩阵,得到第三子特征矩阵组;
通过所述场景图像识别模型中卷积模块组中每个卷积模块包括的第四卷积层对所述第三子特征矩阵组中与所述卷积模块对应的第三子特征矩阵进行特征提取以生成第四子特征矩阵,得到第四子特征矩阵组;
将所述第四子特征矩阵组中各个第四子特征矩阵的和确定为第一特征融合矩阵。
7.根据权利要求6所述的方法,其中,所述通过预设的场景图像识别模型,对所述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,还包括:
通过所述场景图像识别模型中全连接模块包括的第二池化层对所述第一特征融合矩阵进行特征降维处理,以生成第二池化特征矩阵;
通过所述场景图像识别模型中全连接模块包括的第一全连接层对所述第二池化特征矩阵进行特征卷积处理,以生成第五特征矩阵;
通过所述场景图像识别模型中全连接模块包括的第二全连接层对所述第五特征矩阵进行特征卷积处理,以生成第六特征矩阵;
通过所述场景图像识别模型中全连接模块包括的特征映射层对所述第六特征矩阵进行特征映射处理,以生成映射特征矩阵;
将所述映射特征矩阵与所述第一特征融合矩阵的乘积确定为第二特征融合矩阵;
将所述第二特征融合矩阵与所述第一池化特征矩阵的和确定为第三特征融合矩阵;
通过所述场景图像识别模型中的属性回归层对所述第三特征融合矩阵进行特征变换,以生成所述场景子图像识别结果。
8.一种场景图像识别装置,包括:
获取单元,被配置成获取车辆车载相机拍摄的场景图像;
图像分割单元,被配置成对所述场景图像进行图像分割,得到场景子图像组;
识别单元,被配置成通过预设的场景图像识别模型,对所述场景子图像组中的每个场景子图像进行图像识别以生成场景子图像识别结果,得到场景子图像识别结果集,以及将所述场景子图像识别结果集发送至显示终端以供显示。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
摄像头,被配置成采集场景图像;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110899448.1A CN113343959A (zh) | 2021-08-06 | 2021-08-06 | 场景图像识别方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110899448.1A CN113343959A (zh) | 2021-08-06 | 2021-08-06 | 场景图像识别方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113343959A true CN113343959A (zh) | 2021-09-03 |
Family
ID=77481222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110899448.1A Pending CN113343959A (zh) | 2021-08-06 | 2021-08-06 | 场景图像识别方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343959A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964055A (zh) * | 2010-10-21 | 2011-02-02 | 重庆大学 | 一种模仿视觉感知机制的自然场景类型辨识方法 |
CN110503099A (zh) * | 2019-07-23 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于深度学习的信息识别方法及相关设备 |
US20210012567A1 (en) * | 2019-07-08 | 2021-01-14 | Kabushiki Kaisha Toshiba | Computer vision method and system |
CN112613581A (zh) * | 2020-12-31 | 2021-04-06 | 广州大学华软软件学院 | 一种图像识别方法、系统、计算机设备和存储介质 |
-
2021
- 2021-08-06 CN CN202110899448.1A patent/CN113343959A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964055A (zh) * | 2010-10-21 | 2011-02-02 | 重庆大学 | 一种模仿视觉感知机制的自然场景类型辨识方法 |
US20210012567A1 (en) * | 2019-07-08 | 2021-01-14 | Kabushiki Kaisha Toshiba | Computer vision method and system |
CN110503099A (zh) * | 2019-07-23 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于深度学习的信息识别方法及相关设备 |
CN112613581A (zh) * | 2020-12-31 | 2021-04-06 | 广州大学华软软件学院 | 一种图像识别方法、系统、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112668588B (zh) | 车位信息生成方法、装置、设备和计算机可读介质 | |
CN112184738A (zh) | 一种图像分割方法、装置、设备及存储介质 | |
CN111967467B (zh) | 图像目标检测方法、装置、电子设备和计算机可读介质 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN112464921B (zh) | 障碍物检测信息生成方法、装置、设备和计算机可读介质 | |
CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN115578570A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN112598673A (zh) | 全景分割方法、装置、电子设备和计算机可读介质 | |
CN116128055A (zh) | 图谱构建方法、装置、电子设备和计算机可读介质 | |
CN113688928B (zh) | 图像匹配方法、装置、电子设备和计算机可读介质 | |
CN113762279A (zh) | 目标图像识别方法、模型训练方法、装置、设备和介质 | |
CN115100536B (zh) | 建筑物识别方法、装置、电子设备和计算机可读介质 | |
CN115546766B (zh) | 车道线生成方法、装置、电子设备和计算机可读介质 | |
CN111797263A (zh) | 图像标签生成方法、装置、设备和计算机可读介质 | |
CN114742707B (zh) | 多源遥感图像拼接方法、装置、电子设备和可读介质 | |
CN113808134B (zh) | 油罐布局信息生成方法、装置、电子设备、介质 | |
CN116188887A (zh) | 属性识别预训练模型生成方法、属性识别模型生成方法 | |
CN115375657A (zh) | 息肉检测模型的训练方法、检测方法、装置、介质及设备 | |
CN113343959A (zh) | 场景图像识别方法、装置、电子设备和计算机可读介质 | |
CN114862720A (zh) | 画布还原方法、装置、电子设备和计算机可读介质 | |
CN113780148A (zh) | 交通标志图像识别模型训练方法和交通标志图像识别方法 | |
CN112528970A (zh) | 路牌检测方法、装置、设备和计算机可读介质 | |
CN112613544A (zh) | 目标检测方法、装置、电子设备和计算机可读介质 | |
CN115345931B (zh) | 物体姿态关键点信息生成方法、装置、电子设备和介质 | |
CN111950572A (zh) | 训练分类器的方法、装置、电子设备和计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210903 |