CN114445892A - 图像检测方法和装置 - Google Patents

图像检测方法和装置 Download PDF

Info

Publication number
CN114445892A
CN114445892A CN202210102998.0A CN202210102998A CN114445892A CN 114445892 A CN114445892 A CN 114445892A CN 202210102998 A CN202210102998 A CN 202210102998A CN 114445892 A CN114445892 A CN 114445892A
Authority
CN
China
Prior art keywords
image
image block
attention
target
image blocks
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
Application number
CN202210102998.0A
Other languages
English (en)
Inventor
王健
韩钧宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210102998.0A priority Critical patent/CN114445892A/zh
Publication of CN114445892A publication Critical patent/CN114445892A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种图像检测方法和装置，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理、图像检测等场景。实现方案为：将目标图像划分为多个图像块，其中，多个图像块中的目标图像块位于目标图像的目标区域中；对于多个图像块中的每一个图像块，获得该图像块对应于多个图像块的多个注意力关系值，该多个注意力关系值中的每一个注意力关系值指示该图像块与多个图像块中相应的图像块之间的相关程度；调整多个图像块中的每一个图像块对应的多个注意力关系值；以及基于调整后的多个图像中的每一个图像块对应的多个注意力关系值，获得目标图像对应的检测结果。

Description

图像检测方法和装置
技术领域
本公开涉及人工智能技术领域，尤其涉及具体为深度学习、计算机视觉技术领域，可应用于图像处理、图像检测等场景，具体涉及一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
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。
基于人工智能的图像处理技术，已经渗透到各个领域。其中，基于人工智能的人脸检测技术，根据用户输入的包含人脸的图像，识别该包含人脸的图像所对应的人。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种图像检测方法，包括：将目标图像划分为多个图像块，其中，所述多个图像块中的目标图像块位于所述目标图像的目标区域中；对于所述多个图像块中的每一个图像块，获得该图像块对应于所述多个图像块的多个注意力关系值，该多个注意力关系值中的每一个注意力关系值指示该图像块与所述多个图像块中相应的图像块之间的相关程度；调整所述多个图像块中的每一个图像块对应的多个注意力关系值，以使该图像块对应的多个注意力关系值中的第一注意力关系值与第二注意力关系值之间的差距增大，所述第一注意力关系值与所述目标图像块对应，所述第二注意力关系值与所述多个图像块中的第一图像块对应，所述第一图像块位于所述目标图像中的区别于所述目标区域的第一区域中；以及基于调整后的所述多个图像中的每一个图像块对应的多个注意力关系值，获得所述目标图像对应的检测结果。
根据本公开的另一方面，提供了一种图像检测装置，包括：图像处理单元，被配置用于将目标图像划分为多个图像块，其中，所述多个图像块中的目标图像块位于所述目标图像的目标区域中；注意力关系值获取单元，被配置用于对于所述多个图像块中的每一个图像块，获得该图像块对应于所述多个图像块的多个注意力关系值，该多个注意力关系值中的每一个注意力关系值指示该图像块与所述多个图像块中相应的图像块之间的相关程度；注意力关系值调整单元，被配置用于调整所述多个图像块中的每一个图像块对应的多个注意力关系值，以使该图像块对应的多个注意力关系值中的第一注意力关系值与第二注意力关系值之间的差距增大，所述第一注意力关系值与所述目标图像块对应，所述第二注意力关系值与所述多个图像块中的第一图像块对应，所述第一图像块位于所述目标图像中的区别于所述目标区域的第一区域中；以及分类单元，被配置用于基于调整后的所述多个图像中的每一个图像块对应的多个注意力关系值，获得所述目标图像对应的检测结果。
根据本公开的另一方面，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实现根据上述的方法。
根据本公开的另一方面，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实现根据上述的方法。
根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的一个或多个实施例，在对目标图像进行检测的过程中，通过将目标图像划分为多个图像块，并基于多个图像块获得每一个图像与多个图像中的任一图像块之间的注意力(attention)关系值，并且调整每一个图像块对应的多个注意力关系值，使与目标区域的图像块相关的注意力关系值和与非目标区域中的图像块相关的注意力关系值之间的差距扩大，从而使获得目标图像对应的检测结果时，对所关注的区域可以分配更多的关注度，从而使检测结果更加准确。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的图像检测方法的流程图；
图3示出了根据本公开的实施例的图像检测方法中获得图像块对应于多个图像块的多个注意力关系值的过程的流程图；
图4示出了根据本公开的实施例的图像检测方法中调整多个图像块中的每一个图像块对应的多个注意力关系值的过程的流程图；
图5示出了根据一些实施例采用图像检测模型实现图像检测方法的示意图；
图6示出了根据本公开的实施例的用于训练图像检测模型的装置的结构框图；以及
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行图像检测方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来观看搜索的对象。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
参看图2，根据本公开的一些实施例的一种图像检测方法200包括：
步骤S210：将目标图像划分为多个图像块，其中，所述多个图像块中的目标图像块位于所述目标图像的目标区域中；
步骤S220：对于所述多个图像块中的每一个图像块，获得该图像块对应于所述多个图像块的多个注意力关系值；
步骤S230：调整所述多个图像块中的每一个图像块对应的多个注意力关系值；以及
步骤S240：基于调整后的所述多个图像中的每一个图像块对应的多个注意力关系值，获得所述目标图像对应的检测结果。
其中，在步骤S220中，该图像块对应的多个注意力关系值中的每一个注意力关系值指示该图像块与所述多个图像块中相应的图像块之间的相关程度；在步骤S230中，在调整所述多个图像块中的每一个图像块对应的多个注意力关系值后，使该图像块对应的多个注意力关系值中的第一注意力关系值与第二注意力关系值之间的差距增大，所述第一注意力关系值与所述目标图像块对应，所述第二注意力关系值与所述多个图像块中的第一图像块对应，所述第一图像块位于所述目标图像中的区别于所述目标区域的第一区域中。
在对目标图像进行检测的过程中，通过将目标图像划分为多个图像块，并基于多个图像块获得每一个图像与多个图像中的任一图像块之间的注意力关系值(attention)权重，并且调整每一个图像块对应的多个注意力关系值，使与目标区域(例如，口罩区域)的图像块相关的注意力关系值和与非目标区域(例如，非口罩区域)中的图像块相关的注意力关系值之间的差距扩大，从而使获得目标图像对应的检测结果时，对所关注的区域(例如非口罩区域的非目标区域)可以分配更多的关注度，从而使获得的检测结果更加准确。
例如，目标图像是包含人脸的图像，目标区域是口罩区域，根据本公开的方法，使得在人脸检测过程中，对包含人脸的图像中的非目标区域(即，非口罩区域)分配更多的注意力关系值，使检测结果更加准确。
在相关技术中，往往直接根据图像获得检测结果，在获得图像的检测结果的过程中，对图像的各个区域分配相同的关注度，使得难以获得准确有效的检测结果。
例如，对包括戴口罩的人脸的图像进行检测的过程中，对于眼部区域的和口罩分配相同的关注度，而口罩区域的特征对人脸识别的检测结果并没有帮助，从而干扰检测结果的准确性。
根据本公开的实施例中，通过在获得多个图像块中每一个图像块的多个注意力权重的过程中，对该图像块与多个图像块之间的多个注意力关系值往往不加区分。例如，在戴口罩的人脸图像中，使位于眼部区域的图像块与口罩区域中的图像块之间的注意力关系值与位于非口罩区域中的图像块的注意力关系值的差距增大，从而使在获得的位于眼部区域的图像块的多个注意力权重中，对应于口罩区域的图像块的注意力权重和非口罩区域的图像块的注意力权重之间具有明显区分，使最终获得检测结果的过程中对非口罩区域中的图像块分配更多的关注度，由于非口罩区域的图像块具有可以识别人脸的特征，从而使获得的检测结果更加准确。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
在一些实施例中，目标图像可以是包含人脸的图像，目标区域与目标图像中的人脸戴口罩时的口罩区域对应。在一些示例中，包含人脸的图像中的人脸是戴口罩的人脸。在另一些示例中，包含人脸的图像中的人脸是不戴口罩的人脸。
在一些实施例中，目标图像还可以是包含目标对象图像，该目标对象位于图像的目标区域。例如，目标图像包含波斯猫，并且该波斯猫位于图像的正中区域(即，目标区域)。
在一些实施例中，如图3所示，获得该图像块对应于所述多个图像块的多个注意力关系值包括：
步骤S310：获得所述多个图像块中的每一个图像块的特征向量；
步骤S320：计算该图像块的特征向量与所述多个图像块中的每一个图像块的特征向量之间的相似度值；以及
步骤S330：基于该图像块对应的多个相似度值，获得该图像块对应的多个注意力关系值。
通过获得图像块的特征向量，实现注意力关系值的获得。
在一些实施例中，通过卷积神经网络提取多个图像块中的每一个图像块的特征向量。
在另一些实施例中，通过获得多个图像块中的每一个图像块的向量表示，并基于线性变换矩阵获得该图像的特征向量。
在一些实施例，对于多个图像块中的每一个图像块，将该图像块的特征向量和各个图像块的特征向量之间进行乘法运算，获得该图像块的多个相似度值。
在一些实施例中，将该多个相似度值作为该图像块对应的多个注意力关系值。
在一些实施例中，对于多个图像块中的每一个图像块，将该图像块对应的多个注意力关系值中与目标图像块对应的注意力关系值增大，例如增加预设数值，与位于区别于目标区域的第一区域中的注意力关系值减小，例如减去预设数值，实现对多个图像块中的每一个图像块的多个注意力关系值的调整。
在一些实施例中，如图4所示，调整所述多个图像块中的每一个图像块对应的多个注意力关系值包括：
步骤S410：基于所述多个图像块中的每一个图像块对应的多个相似度值，获得相似度矩阵；
步骤S420：基于预设比例值，缩放位于所述相似度矩阵的预设行和预设列中的多个元素的值。
其中，在步骤S410中，所述相似度矩阵的行数和列数均与所述对个图像块的数量对应，所述相似度矩阵中的第i行的第j个元素Vij指示将所述多个图像块按顺序排列时，第i个图像块与第j个图像块之间的相似度值，其中，1≤i≤N，1≤j≤N，N指示所述多个图像的数量，并且i和j为正整数；在步骤S420中，所述预设行和预设列对应于将所述多个图像块按顺序排列时所述目标图像块在所述多个图像块中的排列顺序。
通过将多个图像块对应的多个相似度值添加为矩阵，进行矩阵运算以调整每个图像块的多个注意力关系值，减少计算量。
在一些实施例中，基于目标区域与检测结果的相关程度，对位于目标区域的图像块设置预设比例值。
在一些实施例中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度小，所述预设比例值大于0并且小于1。
由于目标区域对检测结果的相关程度较小，则将比例值设置为小于1，即调低与检测结果相关程度小的图像块相关的注意力关系值，使后续获得图像检测结果的过程中所关注的区域是对检测结果的相关程度大的区域。
在另一些实施例中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度大，所述预设比例值大于1。
由于目标区域对检测结果的相关程度较大，则将比例值设置为大于1，即调高与检测结果相关程度大的图像块相关的注意力关系值，使后续获得图像检测结果的过程中所关注的区域是对检测结果的相关程度大的区域。
需要理解的是，目标区域对检测结果的相关程度可以是预先基于统计可知的，其与图像检测的目的相关。例如，在分析位于目标图像的中部区域的目标对象时，位于目标图像的中部区域的图像块可能较位于目标图像的边缘区域的图像块对检测结果的影响较大。又例如，在人脸识别过程中，对于包含戴口罩的人脸的图像，位于口罩区域以外的图形块较位于口罩区域以内的图像块对检测结果的影响较大。
在根据本公开的一些实施例中，通过包含图像检测模型的处理器实现本公开的方法。在一些实施例中，图像检测模型采用ViT(VisionTransformers)构架。
参看图5，图像检测模型500包括图像编码模块510、多个自注意力模块521a-521c以及多个前馈神经网络522a-522c组成的编码模块520以及分类模块530。其中目标图像501为包含戴口罩的人脸的图像。目标图像501输入图像编码模型510后被划分为多个图像块。自注意力模块521a基于图像编码模块510输出的按顺序排列的多个图像块获得多个图像块中每一个图像块对应的多个自注意关系值后，调整口罩区域的图像块参与计算的自注意力关系值，并采用softmax函数基于调整后的多个图像块对应的多个自注意力关系值，获得多个图像块中每一个图像块对应于多个图像块的注意力权重，并且输出每一个图像块基于多个注意力权重的输出。前馈神经网络522a基于自注意力模块521a输出的多个图像块对应的多个输出进行进一步的变换。经过多个自注意力模块521a-521c以及多个前馈神经网络522a-522c的多次注意力分配和多个转换，编码模块520输出每一个图像块对应的数据。分类模块530基于编码模块520的输出进一步获得目标图像501的检测结果。其中，通过调整多个自注意力模块521a-521c中的参数，可以调整口罩区域的图像块参与计算获得的自注意力关系值。
需要说明的是，图5中的目标图像501基于说明的必要和隐私保护对图像中人脸的眼部区域进行了遮挡处理，在实际应用过程中不需要进行此项处理。同时，需要说明的是，在根据本公开的实施例中的人脸图像并不是针对某一特定用户的人脸图像，并不能反映出某一特定用户的个人信息，并且人脸图像来自于公开数据集。
根据本公开的图像检测模型，加强了对非口罩区域的图像块之间的注意力关系的建模能力和特征提取能力，使所获得的检测结果准确；同时，在训练过程中，也提升了训练效果。
根据本公开的另一方面，还提供一种图像检测装置，参看图6，装置600包括：图像处理单元610，被配置用于将目标图像划分为多个图像块，其中，所述多个图像块中的目标图像块位于所述目标图像的目标区域中；注意力关系值获取单元620，被配置用于对于所述多个图像块中的每一个图像块，获得该图像块对应于所述多个图像块的多个注意力关系值，该多个注意力关系值中的每一个注意力关系值指示该图像块与所述多个图像块中相应的图像块之间的相关程度；注意力关系值调整单元630，被配置用于调整所述多个图像块中的每一个图像块对应的多个注意力关系值，以使该图像块对应的多个注意力关系值中的第一注意力关系值与第二注意力关系值之间的差距增大，所述第一注意力关系值与所述目标图像块对应，所述第二注意力关系值与所述多个图像块中的第一图像块对应，所述第一图像块位于所述目标图像中的区别于所述目标区域的第一区域中；以及分类单元640，被配置用于基于调整后的所述多个图像中的每一个图像块对应的多个注意力关系值，获得所述目标图像对应的检测结果。
在一些实施例中，所述注意力关系值获取单元620包括：特征向量获取单元，被配置用于获得所述多个图像块中的每一个图像块的特征向量；计算单元，被配置用于计算该图像块的特征向量与所述多个图像块中的每一个图像块的特征向量之间的相似度值；以及获取子单元，被配置用于基于该图像块对应的多个相似度值，获得该图像块对应的多个注意力关系值。
在一些实施例中，所述注意力关系值调整单元包括：相似度矩阵获取单元，被配置用于基于所述多个图像块中的每一个图像块对应的多个相似度值，获得相似度矩阵，所述相似度矩阵的行数和列数均与所述对个图像块的数量对应，所述相似度矩阵中的第i行的第j个元素Vij指示将所述多个图像块按顺序排列时，第i个图像块与第j个图像块之间的相似度值，其中，1≤i≤N，1≤j≤N，N指示所述多个图像的数量，并且i和j为正整数；缩放单元，被配置用于基于预设比例值，缩放位于所述相似度矩阵的预设行和预设列中的多个元素的值，其中，所述预设行和预设列对应于将所述多个图像块按顺序排列时所述目标图像块在所述多个图像块中的排列顺序。
在一些实施例中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度小，所述预设比例值大于0并且小于1。
在一些实施例中，所述目标图像为包括人脸的图像，所述目标图像块与所述目标图像中的人脸戴口罩时的口罩区域对应。
在一些实施例中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度大，所述预设比例值大于1。
根据本公开的另一方面，还提供一种电子设备，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，所述存储器存储有计算机程序，所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。
根据本公开的另一方面，还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701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701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701执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
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、也可以顺序地或以不同的次序执行，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。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (15)

1.一种图像检测方法，包括：
将目标图像划分为多个图像块，其中，所述多个图像块中的目标图像块位于所述目标图像的目标区域中；
对于所述多个图像块中的每一个图像块，获得该图像块对应于所述多个图像块的多个注意力关系值，该多个注意力关系值中的每一个注意力关系值指示该图像块与所述多个图像块中相应的图像块之间的相关程度；
调整所述多个图像块中的每一个图像块对应的多个注意力关系值，以使该图像块对应的多个注意力关系值中的第一注意力关系值与第二注意力关系值之间的差距增大，所述第一注意力关系值与所述目标图像块对应，所述第二注意力关系值与所述多个图像块中的第一图像块对应，所述第一图像块位于所述目标图像中的区别于所述目标区域的第一区域中；以及
基于调整后的所述多个图像中的每一个图像块对应的多个注意力关系值，获得所述目标图像对应的检测结果。
2.根据权利要求1所述的方法，其中，所述获得该图像块对应于所述多个图像块的多个注意力关系值包括：
获得所述多个图像块中的每一个图像块的特征向量；
计算该图像块的特征向量与所述多个图像块中的每一个图像块的特征向量之间的相似度值；以及
基于该图像块对应的多个相似度值，获得该图像块对应的多个注意力关系值。
3.根据权利要求2所述的方法，其中，所述调整所述多个图像块中的每一个图像块对应的多个注意力关系值包括：
基于所述多个图像块中的每一个图像块对应的多个相似度值，获得相似度矩阵，所述相似度矩阵的行数和列数均与所述对个图像块的数量对应，所述相似度矩阵中的第i行的第j个元素Vij指示将所述多个图像块按顺序排列时，第i个图像块与第j个图像块之间的相似度值，其中，1≤i≤N，1≤j≤N，N指示所述多个图像的数量，并且i和j为正整数；以及
基于预设比例值，缩放位于所述相似度矩阵的预设行和预设列中的多个元素的值，其中，所述预设行和预设列对应于将所述多个图像块按顺序排列时所述目标图像块在所述多个图像块中的排列顺序。
4.根据权利要求3所述的方法，其中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度小，所述预设比例值大于0并且小于1。
5.根据权利要求1-4任一项所述的方法，其中，所述目标图像为包括人脸的图像，所述目标图像块与所述目标图像中的人脸戴口罩时的口罩区域对应。
6.根据权利要求3所述的方法，其中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度大，所述预设比例值大于1。
7.一种图像检测装置，包括：
图像处理单元，被配置用于将目标图像划分为多个图像块，其中，所述多个图像块中的目标图像块位于所述目标图像的目标区域中；
注意力关系值获取单元，被配置用于对于所述多个图像块中的每一个图像块，获得该图像块对应于所述多个图像块的多个注意力关系值，该多个注意力关系值中的每一个注意力关系值指示该图像块与所述多个图像块中相应的图像块之间的相关程度；
注意力关系值调整单元，被配置用于调整所述多个图像块中的每一个图像块对应的多个注意力关系值，以使该图像块对应的多个注意力关系值中的第一注意力关系值与第二注意力关系值之间的差距增大，所述第一注意力关系值与所述目标图像块对应，所述第二注意力关系值与所述多个图像块中的第一图像块对应，所述第一图像块位于所述目标图像中的区别于所述目标区域的第一区域中；以及
分类单元，被配置用于基于调整后的所述多个图像中的每一个图像块对应的多个注意力关系值，获得所述目标图像对应的检测结果。
8.根据权利要求7所述的装置，其中，所述注意力关系值获取单元包括：
特征向量获取单元，被配置用于获得所述多个图像块中的每一个图像块的特征向量；
计算单元，被配置用于计算该图像块的特征向量与所述多个图像块中的每一个图像块的特征向量之间的相似度值；以及
获取子单元，被配置用于基于该图像块对应的多个相似度值，获得该图像块对应的多个注意力关系值。
9.根据权利要求8所述的装置，其中，所述注意力关系值调整单元包括：
相似度矩阵获取单元，被配置用于基于所述多个图像块中的每一个图像块对应的多个相似度值，获得相似度矩阵，所述相似度矩阵的行数和列数均与所述对个图像块的数量对应，所述相似度矩阵中的第i行的第j个元素Vij指示将所述多个图像块按顺序排列时，第i个图像块与第j个图像块之间的相似度值，其中，1≤i≤N，1≤j≤N，N指示所述多个图像的数量，并且i和j为正整数；以及
缩放单元，被配置用于基于预设比例值，缩放位于所述相似度矩阵的预设行和预设列中的多个元素的值，其中，所述预设行和预设列对应于将所述多个图像块按顺序排列时所述目标图像块在所述多个图像块中的排列顺序。
10.根据权利要求9所述的装置，其中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度小，所述预设比例值大于0并且小于1。
11.根据权利要求7-10任一项所述的装置，其中，所述目标图像为包括人脸的图像，所述目标图像块与所述目标图像中的人脸戴口罩时的口罩区域对应。
12.根据权利要求9所述的装置，其中，所述目标区域与所述检测结果的相关程度较所述第一区域与所述检测结果的相关程度大，所述预设比例值大于1。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任意一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，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。
15.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述的方法。
CN202210102998.0A 2022-01-27 2022-01-27 图像检测方法和装置 Pending CN114445892A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210102998.0A CN114445892A (zh) 2022-01-27 2022-01-27 图像检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210102998.0A CN114445892A (zh) 2022-01-27 2022-01-27 图像检测方法和装置

Publications (1)

Publication Number Publication Date
CN114445892A true CN114445892A (zh) 2022-05-06

Family

ID=81369346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210102998.0A Pending CN114445892A (zh) 2022-01-27 2022-01-27 图像检测方法和装置

Country Status (1)

Country Link
CN (1) CN114445892A (zh)

Similar Documents

Publication Publication Date Title
EP4080384A1 (en) Object recommendation method and apparatus, computer device, and medium
CN112749758A (zh) 图像处理方法、神经网络的训练方法、装置、设备和介质
CN114612749A (zh) 神经网络模型训练方法及装置、电子设备和介质
CN112857268A (zh) 对象面积测量方法、装置、电子设备和存储介质
CN114445667A (zh) 图像检测方法和用于训练图像检测模型的方法
CN113256583A (zh) 图像质量检测方法及装置、计算机设备和介质
CN115393514A (zh) 三维重建模型的训练方法、三维重建方法、装置、设备
CN115601555A (zh) 图像处理方法及装置、设备和介质
CN115511779A (zh) 图像检测方法、装置、电子设备和存储介质
CN115578501A (zh) 图像处理方法、装置、电子设备和存储介质
CN115600646A (zh) 语言模型的训练方法、装置、介质及设备
CN114494797A (zh) 用于训练图像检测模型的方法和装置
CN115797660A (zh) 图像检测方法、装置、电子设备和存储介质
CN114550269A (zh) 口罩佩戴检测方法、设备和介质
CN114429678A (zh) 模型训练方法及装置、电子设备和介质
CN114547252A (zh) 文本识别方法、装置、电子设备和介质
CN114445147A (zh) 电子券发放方法及装置、设备和介质
CN114445892A (zh) 图像检测方法和装置
CN114140852A (zh) 图像检测方法和装置
CN115512131B (zh) 图像检测方法和图像检测模型的训练方法
CN114882331A (zh) 图像处理方法、装置、设备和介质
CN115564992A (zh) 图像分类方法和图像分类模型的训练方法
CN114169440A (zh) 模型训练方法、数据处理方法、装置、电子设备及介质
CN114511757A (zh) 用于训练图像检测模型的方法和装置
CN114511742A (zh) 图像识别方法及装置、电子设备和介质

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