CN113780297A - 图像处理方法、装置、设备以及存储介质 - Google Patents
图像处理方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113780297A CN113780297A CN202111082093.3A CN202111082093A CN113780297A CN 113780297 A CN113780297 A CN 113780297A CN 202111082093 A CN202111082093 A CN 202111082093A CN 113780297 A CN113780297 A CN 113780297A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- target
- features
- subgraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims description 24
- 238000003709 image segmentation Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction 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
- 238000012216 screening Methods 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
Images
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
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/174—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a slice, e.g. a line of blocks or a group of blocks
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、装置、设备以及存储介质,本公开涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术,具体可用于智能裁剪场景下。具体方案为:将目标图像输入到预先训练的图像分割模型,其中,目标图像包有至少一个子图;通过图像分割模型提取目标图像的高层语义特征和低层特征,并基于高层语义特征和低层特征确定子图在目标图像中的目标位置信息;基于子图的目标位置信息,对子图执行预设的处理流程。上述确定子图的位置信息的过程更加迅速,位置信息的准确度更高,有助于降低时间和经济成本。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术,具体可用于智能裁剪场景下。
背景技术
在一些图像应用场景中,一个较大的图像中会包含至少一个较小的子图,需要确定出子图在较大的图像中的位置,基于子图的位置对子图做相应的处理。在现有技术中,通常需要通过人工判断的方式确定出子图在较大的图像中的位置,之后手动标记出子图的位置,这种处理图像的方式需要耗费较高的时间和经济成本,这也导致图像的处理效率不高。
发明内容
本公开提供了一种图像处理方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种图像处理方法,包括:
将目标图像输入到预先训练的图像分割模型,其中,目标图像包有至少一个子图;
通过图像分割模型提取目标图像的高层语义特征和低层特征,并基于高层语义特征和低层特征确定子图在目标图像中的目标位置信息;
基于子图的目标位置信息,对子图执行预设的处理流程。
根据本公开的第二方面,提供了一种图像处理装置,包括:
图像输入模块,用于将目标图像输入到预先训练的图像分割
模型,其中,目标图像包有至少一个子图;
位置获取模块,用于通过图像分割模型提取目标图像的高层
语义特征和低层特征,并基于高层语义特征和低层特征确定子图
在目标图像中的目标位置信息;
图像处理模块,用于基于子图的目标位置信息,对子图执行预设的处理流程
根据本公开的第三方面,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上述的图像处理方法。
根据本公开的第四方面,提供了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上述的图像处理方法。
根据本公开的第五方面,提供了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上述的图像处理方法。
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。
本公开提供的技术方案带来的有益效果是:
在本公开的技术方案中,可以通过预先训练的图像分割模型提取目标图像的高层语义特征和低层特征,并自动地基于这两种特征从目标图像中确定出子图的较准确的位置信息,从而方便基于子图的位置信息执行进一步的处理流程,上述确定子图的位置信息的过程更加迅速,位置信息的准确度更高,有助于降低时间和经济成本。
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示出了本公开实施例提供的一种图像处理方法的流程示意图;
图2示出了本公开实施例提供的另一种图像处理方法的流程示意图;
图3示出了本公开实施例提供的一种目标图像的示例性的示意图;
图4示出了本公开实施例提供的一种图像处理装置的示意图;
图5示出了可以用来实施本公开实施例提供的图像处理方法的示例电子设备的示意性框图。
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。
在一些图像应用场景中,一个较大的图像中会包含至少一个较小的子图,需要确定出子图在较大的图像中的位置,基于子图的位置对子图做相应的处理。在现有技术中,通常需要通过人工判断的方式确定出子图在较大的图像中的位置,之后手动标记出子图的位置,这种处理图像的方式需要耗费较高的时间和经济成本,这也导致图像的处理效率不高。
本公开实施例提供的图像处理方法、装置、设备以及存储介质,旨在解决现有技术的如上技术问题中的至少一个。
本公开提供了一种预训练的图像分割模型,基于该图像分割模型可以执行本公开提供的图像处理方法。在对图像分割模型进行训练时,可以预先获取多个样本图像作为训练集,其中,每个样本图像包含至少一个子图,之后可以基于训练集对图像分割模型进行训练。
具体来说,可以基于训练集对图像分割模型进行监督训练。具体地,将训练集中的各样本图像输入到图像分割模型,利用图像分割模型输入的样本图像中的子图的位置信息。之后将图像分割模型输入的样本图像的子图的位置信息与子图的实际位置信息进行比较,得到损失函数,基于损失函数来调整图像分割模型的参数,当损失函数达到预设损失值时,结束针对图像分割模型的训练过程。
图1示出了本公开实施例提供的一种图像处理方法的流程示意图,如图1所示,该方法主要可以包括以下步骤:
S110:将目标图像输入到预先训练的图像分割模型。
在本公开实施例中,目标图像包有至少一个较小的子图,其中,目标图像所包含的子图的数量不做限定,不同子图的尺寸和形状可以是相同的,也可以是不同的。这里,目标图像可以是未经处理的原始图像,也可以对原始图像进行尺寸调整后得到的图像。
可选地,本公开实施例可以在在将目标图像输入到预先训练的图像分割模型之前,获取待处理的原始图像,将原始图像缩放为具有预设长宽比的目标图像。这里,其中,预设长宽比与图像分割模型在训练过程中所使用的样本图像的长宽比一致。例如,像分割模型在训练过程中所使用的样本图像的长宽比为2:1,则需要将原始图像缩放成长宽比是2:1的目标图像,这可以保证目标图像与样本图像对齐,从而确保图像分割模型针对目标图像所输出的结果的准确性。
可选地,本公开实施例在将目标图像输入到预先训练的图像分割模型时,可以将目标图像裁剪成多个图像块,将多个图像块输入到预先训练的图像分割模型。
S120:通过图像分割模型提取目标图像的高层语义特征和低层特征,并基于高层语义特征和低层特征确定子图在目标图像中的目标位置信息。
在本公开实施例中,图像的高层语义特征是指是我们所能看的东西,比如对一张人脸提取低层特征我们可以提取到脸的轮廓、鼻子、眼睛等,那么高层语义特征就显示为一张人脸。高层的特征语义信息比较丰富,但是目标位置比较粗略,可以理解愈深层特征包含的高层语义性愈强、分辨能力也愈强。图像的低层特征指的是轮廓、边缘、颜色、纹理和形状特征等,低层特征的特征语义信息比较少,但是目标位置准确。基于高层语义特征和低层特征这两种特征,能够从目标图像中确定出子图的较准确的位置信息。
如前文所述,本公开实施例可以将目标图像裁剪成多个图像块,将多个图像块输入到预先训练的图像分割模型。因此,本公开实施例在通过图像分割模型提取目标图像的高层语义特征和低层特征时,可以通过图像分割模型提取每个图像块的高层语义特征和低层特征。在基于高层语义特征和低层特征确定子图在目标图像中的目标位置信息时,可以基于图像块的高层语义特征和低层特征,确定包含至少部分子图的子区域在图像块中的子位置信息;基于至少一个图像块对应的子位置信息,确定子图在目标图像中的目标位置信息。
S130:基于子图的目标位置信息,对子图执行预设的处理流程。
可以理解,对子图所执行处理流程的具体内容可以基于实际的应用场景而定。例如,可以基于子图的目标位置信息执行删除、替换、插入连接和检索等流程。
可选地,本公开实施例可以基于子图的目标位置信息,从目标图像中删除子图,并在被删除的子图的原始位置插入新子图。
可选地,本公开实施例可以基于子图的目标位置信息,从目标图像中裁剪出子图,基于预设的图库对子图进行检索;
可选地,本公开实施例可以将子图的目标位置信息所指示的目标图像中区域,与预设的链接相关联。
本公开实施例提供的图像处理方法,可以通过预先训练的图像分割模型提取目标图像的高层语义特征和低层特征,并自动地基于这两种特征从目标图像中确定出子图的较准确的位置信息,从而方便基于子图的位置信息执行进一步的处理流程,上述确定子图的位置信息的过程更加迅速,位置信息的准确度更高,有助于降低时间和经济成本。
图2示出了本公开实施例提供的另一种图像处理方法的流程示意图,如图2所示,该方法主要可以包括以下步骤:
S210:获取待处理的原始图像,将原始图像缩放为具有预设长宽比的目标图像。
这里,预设长宽比与图像分割模型在训练过程中所使用的样本图像的长宽比一致。例如,像分割模型在训练过程中所使用的样本图像的长宽比为2:1,则需要将原始图像缩放成长宽比是2:1的目标图像,这可以保证目标图像与样本图像对齐,从而确保图像分割模型针对目标图像所输出的结果的准确性。
可选地,本公开实时在将原始图像缩放为具有预设长宽比的目标图像时,可以保持原始图像的宽度不变,基于预设长宽比对原始图像的长度进行缩放,得到具有预设长宽比的目标图像。例如,原始图像的长度和宽度分别是30和10,预设长宽比为2:1,则只需要保持原始图像的宽度不变,将原始图像的长度调整为20即可。
S220:将目标图像裁剪成多个图像块,将多个图像块输入到预先训练的图像分割模型。
在本公开实施例中,目标图像包有至少一个较小的子图,其中,目标图像所包含的子图的数量不做限定,不同子图的尺寸和形状可以是相同的,也可以是不同的。图3示出了本公开实施例提供的一种目标图像的示例性的示意图,如图3所示,目标图像包含有4个子图(子图1至子图4),4个子图是形状和尺寸相同的正方形。
可以理解,在将目标图像裁剪成多个图像块之后,一些图像块中可能会包含部分子图的内容,另一些图像块中则可能没有子图的任何部分。基于目标图像所裁剪出的图像块的数量和尺寸可以根据实际的设计需要而定。例如目标图像的尺寸为321*481,图像块的尺寸50*50,裁剪时滑动的步长为35,则可以得到126个图像块。
S230:通过图像分割模型提取每个图像块的高层语义特征和低层特征。
在本公开实施例中,图像的高层语义特征是指是我们所能看的东西,比如对一张人脸提取低层特征我们可以提取到脸的轮廓、鼻子、眼睛等,那么高层语义特征就显示为一张人脸。高层的特征语义信息比较丰富,但是目标位置比较粗略,可以理解愈深层特征包含的高层语义性愈强、分辨能力也愈强。图像的低层特征指的是轮廓、边缘、颜色、纹理和形状特征等,低层特征的特征语义信息比较少,但是目标位置准确。基于高层语义特征和低层特征这两种特征,能够从目标图像中确定出子图的较准确的位置信息。在该步骤中,可以通过图像分割模型提取每个图像块的至少一个高层语义特征和至少一个低层特征。可以理解,提取出的高层语义特征和低层特征的数量数相同的,并且,每个高层语义特征与一个对应的低层特征的分辨率相同。例如,可以通过图像分割模型提取每个图像块的3个高层语义特征和3个低层特征,高层语义特征和低层特征一一对应,相对应的高层语义特征和低层特征的分辨率相同。
S240:基于图像块的高层语义特征和低层特征,确定包含至少部分子图的子区域在图像块中的子位置信息。
如前文所述,每个高层语义特征与一个对应的低层特征的分辨率相同。在步骤S240中,可以将图像块的具有相同分辨率的高层语义特征和低层特征进行融合,得到融合特征。之后可以基于融合特征,确定包含至少部分子图的子区域在图像块中的子位置信息。在本公开实施例中,将图像块具有部分子图的区域定义为子区域,可以理解,多个图像块中的子区域可以拼接出一个完整的子图。
S250:基于至少一个图像块对应的子位置信息,确定子图在目标图像中的目标位置信息。
如前文所述,图像块是从目标图像中裁剪出来的,多个图像块中的子区域可以拼接出一个完整的子图。因此,综合子图的每个部分在各图像块中的子位置信息,即可以得到子图在目标图像中的目标位置信息。
S260:基于子图的目标位置信息,对子图执行预设的处理流程。
可以理解,对子图所执行处理流程的具体内容可以基于实际的应用场景而定。例如,可以基于子图的目标位置信息执行删除、替换、插入连接和检索等流程。
可选地,本公开实施例可以基于子图的目标位置信息,从目标图像中删除子图,并在被删除的子图的原始位置插入新子图,从而实现子图的替换。
可选地,本公开实施例可以基于子图的目标位置信息,从目标图像中裁剪出子图,基于预设的图库对子图进行检索。例如,该方法可以应用在版权筛查场景中,当未在图库检索到子图时,可以确定子图未侵犯第三方的版权。
可选地,本公开实施例可以将子图的目标位置信息所指示的目标图像中区域,与预设的链接相关联。这里,当用户点击子图的目标位置信息所指示的区域时,可以展示与链接对应的内容。可选地,与链接对应的内容可以是广告等内容。
基于与上述的图像处理方法相同的原理,图4示出了本公开实施例提供的一种图像处理装置的示意图。如图4所示,图像处理装置400包括图像输入模块410、位置获取模块420和图像处理模块430。
图像输入模块410用于将目标图像输入到预先训练的图像分割模型,其中,目标图像包有至少一个子图。
位置获取模块420用于通过图像分割模型提取目标图像的高层语义特征和低层特征,并基于高层语义特征和低层特征确定子图在目标图像中的目标位置信息。
图像处理模块430用于基于子图的目标位置信息,对子图执行预设的处理流程。
本公开实施例提供的图像处理装置,可以通过预先训练的图像分割模型提取目标图像的高层语义特征和低层特征,并自动地基于这两种特征从目标图像中确定出子图的较准确的位置信息,从而方便基于子图的位置信息执行进一步的处理流程,上述确定子图的位置信息的过程更加迅速,位置信息的准确度更高,有助于降低时间和经济成本。
在本公开实施例中,图像输入模块410在用于将目标图像输入到预先训练的图像分割模型时,具体用于:
将目标图像裁剪成多个图像块,将多个图像块输入到预先训练的图像分割模型。
在本公开实施例中,位置获取模块420在用于通过图像分割模型提取目标图像的高层语义特征和低层特征时,具体用于:通过图像分割模型提取每个图像块的高层语义特征和低层特征。
在本公开实施例中,位置获取模块420在用于基于高层语义特征和低层特征确定子图在目标图像中的目标位置信息时,具体用于:基于图像块的高层语义特征和低层特征,确定包含至少部分子图的子区域在图像块中的子位置信息;基于至少一个图像块对应的子位置信息,确定子图在目标图像中的目标位置信息。
在本公开实施例中,位置获取模块420在用于通过图像分割模型提取每个图像块的高层语义特征和低层特征时,具体用于:通过图像分割模型提取每个图像块的至少一个高层语义特征和至少一个低层特征,其中,每个高层语义特征与一个对应的低层特征的分辨率相同。
在本公开实施例中,位置获取模块420在用于基于图像块的高层语义特征和低层特征,确定包含至少部分子图的子区域在图像块中的子位置信息时,具体用于:将图像块的具有相同分辨率的高层语义特征和低层特征进行融合,得到融合特征;基于融合特征,确定包含至少部分子图的子区域在图像块中的子位置信息。
在本公开实施例中,图像输入模块410还用于:获取待处理的原始图像,将原始图像缩放为具有预设长宽比的目标图像;
其中,预设长宽比,与图像分割模型在训练过程中所使用的样本图像的长宽比一致。
在本公开实施例中,图像输入模块410在用于将原始图像缩放为具有预设长宽比的目标图像时,具体用于:保持原始图像的宽度不变,基于预设长宽比对原始图像的长度进行缩放,得到具有预设长宽比的目标图像。
在本公开实施例中,图像处理模块430在用于基于子图的目标位置信息,对子图执行预设的处理流程时,具体用于执行以下至少一项:
基于子图的目标位置信息,从目标图像中删除子图,并在被删除的子图的原始位置插入新子图;
基于子图的目标位置信息,从目标图像中裁剪出子图,基于预设的图库对子图进行检索;
将子图的目标位置信息所指示的目标图像中区域,与预设的链接相关联。
可以理解的是,本公开实施例中的图像处理装置的上述各模块具有实现上述的图像处理方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述图像处理装置的各模块的功能描述具体可以参见上述的图像处理方法的对应描述,在此不再赘述。
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。可以通过预先训练的图像分割模型提取目标图像的高层语义特征和低层特征,并自动地基于这两种特征从目标图像中确定出子图的较准确的位置信息,从而方便基于子图的位置信息执行进一步的处理流程,上述确定子图的位置信息的过程更加迅速,位置信息的准确度更高,有助于降低时间和经济成本。
图5示出了可以用来实施本公开实施例提供的图像处理方法的示例电子设备的示意性框图。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5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元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。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500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501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501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501执行上文所描述的各个方法和处理,例如图像处理方法。例如,在一些实施例中,图像处理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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
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、现场可编程门阵列(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)
1.一种图像处理方法,包括:
将目标图像输入到预先训练的图像分割模型,其中,所述目标图像包有至少一个子图;
通过所述图像分割模型提取所述目标图像的高层语义特征和低层特征,并基于所述高层语义特征和所述低层特征确定所述子图在所述目标图像中的目标位置信息;
基于所述子图的目标位置信息,对所述子图执行预设的处理流程。
2.根据权利要求1所述的方法,所述将目标图像输入到预先训练的图像分割模型,包括:
将目标图像裁剪成多个图像块,将多个所述图像块输入到预先训练的图像分割模型。
3.根据权利要求2所述的方法,其中,
所述通过所述图像分割模型提取所述目标图像的高层语义特征和低层特征,包括:
通过所述图像分割模型提取每个所述图像块的高层语义特征和低层特征;
所述基于所述高层语义特征和所述低层特征确定所述子图在所述目标图像中的目标位置信息,包括:
基于所述图像块的高层语义特征和低层特征,确定包含至少部分所述子图的子区域在所述图像块中的子位置信息;
基于至少一个所述图像块对应的子位置信息,确定所述子图在所述目标图像中的目标位置信息。
4.根据权利要求3所述的方法,其中,所述通过所述图像分割模型提取每个所述图像块的高层语义特征和低层特征,包括:
通过所述图像分割模型提取每个所述图像块的至少一个高层语义特征和至少一个低层特征,其中,每个高层语义特征与一个对应的低层特征的分辨率相同;
所述基于所述图像块的高层语义特征和低层特征,确定包含至少部分所述子图的子区域在所述图像块中的子位置信息,包括:
将所述图像块的具有相同分辨率的所述高层语义特征和所述低层特征进行融合,得到融合特征;
基于所述融合特征,确定包含至少部分所述子图的子区域在所述图像块中的子位置信息。
5.根据权利要求1所述的方法,在所述将目标图像输入到预先训练的图像分割模型之前,还包括:
获取待处理的原始图像,将所述原始图像缩放为具有预设长宽比的目标图像;
其中,所述预设长宽比,与图像分割模型在训练过程中所使用的样本图像的长宽比一致。
6.根据权利要求5所述的方法,其中,所述将所述原始图像缩放为具有预设长宽比的目标图像,包括:
保持所述原始图像的宽度不变,基于预设长宽比对所述原始图像的长度进行缩放,得到具有所述预设长宽比的目标图像。
7.根据权利要求1-6中任一项所述的方法,其中,所述基于所述子图的目标位置信息,对所述子图执行预设的处理流程,包括以下至少一项:
基于所述子图的目标位置信息,从所述目标图像中删除所述子图,并在被删除的所述子图的原始位置插入新子图;
基于所述子图的目标位置信息,从所述目标图像中裁剪出所述子图,基于预设的图库对所述子图进行检索;
将所述子图的目标位置信息所指示的所述目标图像中区域,与预设的链接相关联。
8.一种图像处理装置,包括:
图像输入模块,用于将目标图像输入到预先训练的图像分割模型,其中,所述目标图像包有至少一个子图;
位置获取模块,用于通过所述图像分割模型提取所述目标图像的高层语义特征和低层特征,并基于所述高层语义特征和所述低层特征确定所述子图在所述目标图像中的目标位置信息;
图像处理模块,用于基于所述子图的目标位置信息,对所述子图执行预设的处理流程。
9.根据权利要求8所述的装置,所述图像输入模块在用于将目标图像输入到预先训练的图像分割模型时,具体用于:
将目标图像裁剪成多个图像块,将多个所述图像块输入到预先训练的图像分割模型。
10.根据权利要求9所述的装置,其中,
所述位置获取模块在用于通过所述图像分割模型提取所述目标图像的高层语义特征和低层特征时,具体用于:
通过所述图像分割模型提取每个所述图像块的高层语义特征和低层特征;
所述位置获取模块在用于基于所述高层语义特征和所述低层特征确定所述子图在所述目标图像中的目标位置信息时,具体用于:
基于所述图像块的高层语义特征和低层特征,确定包含至少部分所述子图的子区域在所述图像块中的子位置信息;
基于至少一个所述图像块对应的子位置信息,确定所述子图在所述目标图像中的目标位置信息。
11.根据权利要求10所述的装置,其中,所述位置获取模块在用于通过所述图像分割模型提取每个所述图像块的高层语义特征和低层特征时,具体用于:
通过所述图像分割模型提取每个所述图像块的至少一个高层语义特征和至少一个低层特征,其中,每个高层语义特征与一个对应的低层特征的分辨率相同;
所述位置获取模块在用于基于所述图像块的高层语义特征和低层特征,确定包含至少部分所述子图的子区域在所述图像块中的子位置信息时,具体用于:
将所述图像块的具有相同分辨率的所述高层语义特征和所述低层特征进行融合,得到融合特征;
基于所述融合特征,确定包含至少部分所述子图的子区域在所述图像块中的子位置信息。
12.根据权利要求8所述的装置,所述图像输入模块还用于:获取待处理的原始图像,将所述原始图像缩放为具有预设长宽比的目标图像;
其中,所述预设长宽比,与图像分割模型在训练过程中所使用的样本图像的长宽比一致。
13.根据权利要求12所述的装置,其中,所述图像输入模块在用于将所述原始图像缩放为具有预设长宽比的目标图像时,具体用于:
保持所述原始图像的宽度不变,基于预设长宽比对所述原始图像的长度进行缩放,得到具有所述预设长宽比的目标图像。
14.根据权利要求8-13中任一项所述的装置,其中,所述图像处理模块在用于基于所述子图的目标位置信息,对所述子图执行预设的处理流程时,具体用于执行以下至少一项:
基于所述子图的目标位置信息,从所述目标图像中删除所述子图,并在被删除的所述子图的原始位置插入新子图;
基于所述子图的目标位置信息,从所述目标图像中裁剪出所述子图,基于预设的图库对所述子图进行检索;
将所述子图的目标位置信息所指示的所述目标图像中区域,与预设的链接相关联。
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,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1-7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 (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082093.3A CN113780297B (zh) | 2021-09-15 | 2021-09-15 | 图像处理方法、装置、设备以及存储介质 |
US17/845,843 US20220319141A1 (en) | 2021-09-15 | 2022-06-21 | Method for processing image, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082093.3A CN113780297B (zh) | 2021-09-15 | 2021-09-15 | 图像处理方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780297A true CN113780297A (zh) | 2021-12-10 |
CN113780297B CN113780297B (zh) | 2024-03-12 |
Family
ID=78844125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111082093.3A Active CN113780297B (zh) | 2021-09-15 | 2021-09-15 | 图像处理方法、装置、设备以及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220319141A1 (zh) |
CN (1) | CN113780297B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114373098A (zh) * | 2021-12-31 | 2022-04-19 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置、计算机设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11783233B1 (en) | 2023-01-11 | 2023-10-10 | Dimaag-Ai, Inc. | Detection and visualization of novel data instances for self-healing AI/ML model-based solution deployment |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190114774A1 (en) * | 2017-10-16 | 2019-04-18 | Adobe Systems Incorporated | Generating Image Segmentation Data Using a Multi-Branch Neural Network |
CN109872364A (zh) * | 2019-01-28 | 2019-06-11 | 腾讯科技(深圳)有限公司 | 图像区域定位方法、装置、存储介质和医学影像处理设备 |
CN110136141A (zh) * | 2019-04-24 | 2019-08-16 | 佛山科学技术学院 | 一种面向复杂环境的图像语义分割方法及装置 |
CN111291760A (zh) * | 2020-02-12 | 2020-06-16 | 北京迈格威科技有限公司 | 图像的语义分割方法、装置及电子设备 |
CN112258514A (zh) * | 2020-11-20 | 2021-01-22 | 福州大学 | 一种ct影像肺血管的分割方法 |
CN112381837A (zh) * | 2020-11-12 | 2021-02-19 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
CN112837320A (zh) * | 2021-01-29 | 2021-05-25 | 武汉善睐科技有限公司 | 一种基于并行空洞卷积的遥感影像语义分割方法 |
-
2021
- 2021-09-15 CN CN202111082093.3A patent/CN113780297B/zh active Active
-
2022
- 2022-06-21 US US17/845,843 patent/US20220319141A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190114774A1 (en) * | 2017-10-16 | 2019-04-18 | Adobe Systems Incorporated | Generating Image Segmentation Data Using a Multi-Branch Neural Network |
CN109872364A (zh) * | 2019-01-28 | 2019-06-11 | 腾讯科技(深圳)有限公司 | 图像区域定位方法、装置、存储介质和医学影像处理设备 |
CN110136141A (zh) * | 2019-04-24 | 2019-08-16 | 佛山科学技术学院 | 一种面向复杂环境的图像语义分割方法及装置 |
CN111291760A (zh) * | 2020-02-12 | 2020-06-16 | 北京迈格威科技有限公司 | 图像的语义分割方法、装置及电子设备 |
CN112381837A (zh) * | 2020-11-12 | 2021-02-19 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
CN112258514A (zh) * | 2020-11-20 | 2021-01-22 | 福州大学 | 一种ct影像肺血管的分割方法 |
CN112837320A (zh) * | 2021-01-29 | 2021-05-25 | 武汉善睐科技有限公司 | 一种基于并行空洞卷积的遥感影像语义分割方法 |
Non-Patent Citations (3)
Title |
---|
HE ZHENG ET AL.: "Adaptive Spatial-Temporal Fusion of Multi-Objective Networks for Compressed Video Perceptual Enhancement", 《2021 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS》, pages 268 - 275 * |
XUE JIAO ET AL.: "An unsupervised image segmentation method combining graph clustering and high-level feature representation", 《NEUROCOMPUTING》, pages 83 - 92 * |
黄永豪: "基于超像素分类与多尺度注意力机制的乳腺超声图像分割算法研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, pages 066 - 471 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114373098A (zh) * | 2021-12-31 | 2022-04-19 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20220319141A1 (en) | 2022-10-06 |
CN113780297B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
CN113780297B (zh) | 图像处理方法、装置、设备以及存储介质 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
CN113591864B (zh) | 文本识别模型框架的训练方法、装置及系统 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN114004840A (zh) | 图像处理方法、训练方法、检测方法、装置、设备及介质 | |
CN113313083A (zh) | 文本检测方法及装置 | |
CN115719356A (zh) | 图像处理方法、装置、设备和介质 | |
CN115101069A (zh) | 语音控制方法、装置、设备、存储介质以及程序产品 | |
CN114596188A (zh) | 水印检测方法、模型训练方法、装置及电子设备 | |
CN113379750A (zh) | 语义分割模型的半监督学习方法、相关装置及产品 | |
CN113836462A (zh) | 页面描述文件的生成方法、装置、设备及存储介质 | |
CN113902899A (zh) | 训练方法、目标检测方法、装置、电子设备以及存储介质 | |
CN112541911A (zh) | 图像处理方法及装置 | |
CN114140320B (zh) | 图像迁移方法和图像迁移模型的训练方法、装置 | |
CN112991451B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN115564976A (zh) | 图像处理方法、装置、介质及设备 | |
CN115082298A (zh) | 图像生成方法、装置、电子设备以及存储介质 | |
CN114782956A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN114863450A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113127058A (zh) | 数据标注方法、相关装置及计算机程序产品 | |
CN113032071A (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
CN116363260B (zh) | 图像生成方法、装置及电子设备 | |
CN115050086B (zh) | 样本图像生成方法、模型训练方法、图像处理方法和装置 | |
CN113744414B (zh) | 图像处理方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |