CN115240042A - 多模态图像识别方法、装置、可读介质和电子设备 - Google Patents
多模态图像识别方法、装置、可读介质和电子设备 Download PDFInfo
- Publication number
- CN115240042A CN115240042A CN202210846758.1A CN202210846758A CN115240042A CN 115240042 A CN115240042 A CN 115240042A CN 202210846758 A CN202210846758 A CN 202210846758A CN 115240042 A CN115240042 A CN 115240042A
- Authority
- CN
- China
- Prior art keywords
- feature
- complementary
- color
- training
- thermal infrared
- 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
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本公开涉及一种多模态图像识别方法、装置、可读介质和电子设备,涉及图像处理技术领域,该方法包括:获取目标场景的彩色图像和热红外图像,提取彩色图像在多种维度上的彩色特征;提取热红外图像在多种维度上的热红外特征,根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,目标维度为多种维度中的最高维度,第一互补特征用于表征热红外模态对彩色模态的补充特征,第二互补特征用于表征彩色模态对热红外模态的补充特征,根据多种维度对应的彩色特征、多种维度对应的热红外特征、第一互补特征和第二互补特征,确定识别结果,识别结果用于标识彩色图像中至少一种指定对象所在的区域。本公开能够提高图像识别的准确度。
Description
技术领域
本公开涉及图像处理技术领域,具体地,涉及一种多模态图像识别方法、装置、可读介质和电子设备。
背景技术
随着人工智能相关技术的不断发展,图像识别得到了广泛的应用,例如无人驾驶、人脸识别、智能安防、智能医疗等领域。但是在极端环境(例如:低光、黑暗、大雾等)下采集到的彩色图像中包含的有效信息往往较少,很难准确识别图像。而热红外图像不会受到极端环境的影响,凡是能够产生热量的物体均可以通过热能看到,因此热红外图像可以为彩色图像提供有效地补充。通常情况下,可以将彩色图像和热红外图像先拼接再进行识别,或者分别对彩色图像和热红外图像进行识别,再将两种识别结果进行拼接,这两种方式都是基于两种模态图像的隐式关联,图像识别的准确度不高。
发明内容
提供该发明内容部分以便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。该发明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。
第一方面,本公开提供一种多模态图像识别方法,所述方法包括:
获取目标场景的彩色图像和热红外图像;
提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;
根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;
根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。
第二方面,本公开提供一种多模态图像识别装置,所述装置包括:
获取模块,用于获取目标场景的彩色图像和热红外图像;
提取模块,用于提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;
互补提取模块,用于根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;
识别模块,用于根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面所述方法的步骤。
通过上述技术方案,本公开首先获取目标场景的彩色图像和热红外图像,之后分别提取彩色图像在多种维度上的彩色特征,以及热红外图像在多种维度上的热红外特征。再根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,其中第一互补特征用于表征热红外模态对彩色模态的补充特征,第二互补特征用于表征彩色模态对热红外模态的补充特征。最后根据多种维度对应的彩色特征、多种维度对应的热红外特征、第一互补特征和第二互补特征,确定彩色图像中至少一种指定对象所在的区域。本公开通过提取热红外模态和彩色模态之间的互补特征,实现跨模态之间有效信息的显式融合,能够解决极端环境下图像识别困难的问题,提高了图像识别的准确度和鲁棒性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
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,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种多模态图像识别方法的流程图;
图2是根据一示例性实施例示出的另一种多模态图像识别方法的流程图;
图3是根据一示例性实施例示出彩色模型、热红外模型和互补模型的连接示意图;
图4是根据一示例性实施例示出的另一种多模态图像识别方法的流程图;
图5是根据一示例性实施例示出一种互补模型的结构示意图;
图6是根据一示例性实施例示出的另一种多模态图像识别方法的流程图;
图7是根据一示例性实施例示出的一种联合训练彩色模型、热红外模型和互补模型的流程图;
图8是根据一示例性实施例示出的另一种联合训练彩色模型、热红外模型和互补模型的流程图;
图9是根据一示例性实施例示出另一种互补模型的结构示意图;
图10是根据一示例性实施例示出的另一种联合训练彩色模型、热红外模型和互补模型的流程图;
图11是根据一示例性实施例示出的一种多模态图像识别装置的框图;
图12是根据一示例性实施例示出的另一种多模态图像识别装置的框图;
图13是根据一示例性实施例示出的另一种多模态图像识别装置的框图;
图14是根据一示例性实施例示出的另一种多模态图像识别装置的框图;
图15是根据一示例性实施例示出的一种电子设备的框图。
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。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
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。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
同时,可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1是根据一示例性实施例示出的一种多模态图像识别方法的流程图,如图1所示,该方法可以包括:
步骤101,获取目标场景的彩色图像和热红外图像。
步骤102,提取彩色图像在多种维度上的彩色特征。提取热红外图像在多种维度上的热红外特征。
举例来说,针对目标场景,可以设置两种图像采集装置同时采集彩色图像(例如可以是RGB图像)和热红外图像,图像采集装置例如可以是彩色摄像头和红外成像仪。也就是说,彩色图像和热红外图像反映的是同一个场景在相同时刻的内容。
之后,可以分别针对彩色图像和热红外图像进行特征提取。具体的,可以设置两个特征提取器组,每组中包括数量相同、依次连接的特征提取器(也可以理解为编码器),一个特征提取器组中每个特征提取器用于提取彩色图像(或者热红外图像)在一种维度上的彩色特征(或者热红外特征),两个特征提取器组中,顺序对应的特征提取器对应的维度相同,其中维度也可以理解为阶,高维度即为高阶,低维度即为低阶。彩色特征可以理解为用于表征彩色图像的特征向量或者特征图(英文:Feature Map),同样的,热红外特征为用于表征热红外图像的特征向量或者特征图。不同维度上的特征(包括彩色特征和热红外特征),可以理解为不同水平或者不同分辨率的上下文特征,维度较低的特征通常包含纹理高频信息,维度较高的特征通常包含低频语义信息。例如,两个特征提取器组中均包括5个特征提取器,5个特征提取器中包括的卷积核数量可以分别为64、256、512、1024、2048个,这样可以提取5种维度上的彩色特征和热红外特征。
步骤103,根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,目标维度为多种维度中的最高维度,第一互补特征用于表征热红外模态对彩色模态的补充特征,第二互补特征用于表征彩色模态对热红外模态的补充特征。
示例的,由于两种模态不同的成像机制,彩色图像和热红外图像之间具有很大的差异,因此可以针对一种模态中缺少的信息从另一种模态中进行显式建模。可以先将多种维度中的最高维度确定为目标维度,然后根据目标维度对应的彩色特征、热红外特征,确定用于表征热红外模态对彩色模态的补充特征的第一互补特征,以及用于表征彩色模态对热红外模态的补充特征的第二互补特征。第一互补特征也可以理解为将热红外特征转换为彩色模态的特征,同样的,第二互补特征也可以理解为将彩色特征转换为热红外模态的特征。具体的,可以利用解码器对目标维度对应的彩色特征、热红外特征进行解码,以将目标维度对应的彩色特征的分辨率和热红外特征的分辨率恢复为原始空间大小。之后,根据交叉参考残差连接结构,利用恢复后的热红外特征确定第一互补特征,利用恢复后的彩色特征确定第二互补特征。
步骤104,根据多种维度对应的彩色特征、多种维度对应的热红外特征、第一互补特征和第二互补特征,确定识别结果,识别结果用于标识彩色图像中至少一种指定对象所在的区域。
示例的,可以根据多种维度对应的彩色特征、多种维度对应的热红外特征,以及第一互补特征和第二互补特征来确定彩色图像中至少一种指定对象所在的区域,指定对象可以理解为用户感兴趣的对象,例如可以是人像、车辆、建筑物、植物等。具体的,可以将全部维度对应的彩色特征、热红外特征,以及第一互补特征和第二互补特征进行融合,然后根据融合结果确定识别结果。也可以先将目标维度对应的彩色特征、热红外特征,以及第一互补特征和第二互补特征进行融合,然后将融合结果再与目标维度的下一维度对应的彩色特征、热红外特征进行融合,依次类推,并根据最后的融合结果确定识别结果,其中下一维度表示多种维度中相邻且低于目标维度的维度。还可以按照其他方式对多种维度对应的彩色特征、多种维度对应的热红外特征,以及第一互补特征和第二互补特征进行融合,本公开对此不做具体限定。需要说明的是,识别结果可以是与彩色图像尺寸相同的图像,其中用不同颜色标注出不同种类的指定对象,识别结果也可以是至少一组坐标范围,每组坐标范围用于表示彩色图像中一种指定对象的坐标范围。本公开对此不作具体限定。
这样,直接显式提取热红外模态和彩色模态之间的互补特征,然后基于热红外模态和彩色模态本身的特征以及互补特征,实现跨模态之间有效信息的融合,使得热红外图像和彩色图像之间能够互相补充,解决了极端环境下图像识别困难的问题,提高了图像识别的准确度和鲁棒性。
图2是根据一示例性实施例示出的另一种多模态图像识别方法的流程图,如图2所示,步骤102的实现方式可以包括:
步骤1021,将彩色图像输入彩色模型,得到彩色模型输出的多种维度对应的彩色特征。
步骤1022,将热红外图像输入热红外模型,得到热红外模型输出的多种维度对应的热红外色特征。
相应的,步骤103可以包括:
将目标维度对应的彩色特征和热红外特征输入互补模型,以得到互补模型输出的第一互补特征和第二互补特征。
其中,彩色模型、热红外模型和互补模型根据多个训练图像组联合训练得到,每个训练图像组包括一个训练场景的彩色训练图像和热红外训练图像。
举例来说,可以针对彩色图像预先训练一个彩色模型,用于提取多种维度对应的彩色特征的和热红外图像,针对热红外图像预先训练一个热红外模型,用于提取多种维度对应的热红外特征。进一步的,再预先训练一个互补模型,用于根据目标维度对应的热红外特征确定第一互补特征,并根据目标维度对应的彩色特征确定第二互补特征。彩色模型、热红外模型和互补模型的连接关系可以如图3所示,彩色模型和热红外模型可以采用相同的结构(例如可以基于ResNet网络的结构),但模型的训练参数不相同。以彩色模型来举例,其中包括指定数量个依次连接的编码器,每个编码器可以是一个卷积块,卷积块由多个卷积核(核可以设置为3*3)、批量归一化以及非线性激活函数ReLU构成,由shortcut方式进行连接,并且在每个卷积块后都接了一个池化层。指定数量个卷积块的连接顺序,可以是按照卷积块中包括的卷积核的数量由低到高排列的。如图3所示,彩色模型中包括5个卷积块,其中包括的卷积核数量分别为64、256、512、1024、2048个,表示为ER64、ER256、ER512、ER1024、ER2048,那么可以将ER64作为彩色模型中的第一个卷积块,将ER256作为彩色模型中的第二个卷积块,以此类推,提取出的彩色特征表示为fR1、fR2、fR3、fR4、fR5。同样的,热红外模型中包括5个卷积块,其中包括的卷积核数量分别为64、256、512、1024、2048个,表示为ET64、ET256、ET512、ET1024、ET2048,那么可以将ET64作为热红外模型中的第一个卷积块,将ET256作为热红外模型中的第二个卷积块,以此类推,提取出的热红外特征表示为fT1、fT2、fT3、fT4、fT5。之后,可以将fR5和fT5输入互补模型,互补模型根据fT5确定第一互补特征,可以表示为CR,同时互补模型根据fR5确定第二互补特征,可以表示为CT。
需要说明的是的,彩色模型、热红外模型和互补模型是根据多个训练图像组联合训练得到的,其中每个训练图像组包括一个训练场景的彩色训练图像和热红外训练图像。也就是说,一个训练图像组中的彩色训练图像和热红外训练图像是同时采集的,反映的是同一个训练场景在同一时刻的内容。进一步的,每个训练图像组中还会包括对应的监督识别结果,用于标识该训练图像组的彩色训练图像中每种指定对象所在的区域,还可以用于标识该训练图像组的热红外训练图像中每种指定对象所在的区域。同样的,监督识别结果可以是与对应的彩色训练图像尺寸相同的图像,其中用不同颜色标注出不同种类的指定对象,监督识别结果也可以是至少一组坐标范围,每组坐标范围用于表示对应的彩色训练图像中一种指定对象的坐标范围。
图4是根据一示例性实施例示出的另一种多模态图像识别方法的流程图,如图4所示,步骤103可以通过以下步骤来实现:
步骤1031,根据目标维度对应的彩色特征,利用互补模型中的第一解码器确定彩色前景特征,根据目标维度对应的热红外特征,利用互补模型中的第二解码器确定热红外前景特征,彩色前景特征用于表征彩色图像中全部指定对象的区域,热红外前景特征用于表征热红外图像中全部指定对象的区域。
步骤1032,根据热红外前景特征,利用互补模型中的第一残差单元确定第一互补特征,根据彩色前景特征,利用互补模型中的第二残差单元确定第二互补特征。
示例的,互补模型的结构可以包括第一解码器、第一残差单元、第二解码器和第二残差单元,如图5所示。第一解码器和第二解码器的结构相同,但训练参数不相同,例如可以采用U-Net解码器的结构,第一解码器能够将目标维度对应的彩色特征的分辨率恢复到原始空间大小(即彩色图像的分辨率),得到彩色前景特征。以目标维度对应的彩色特征为fR5为例,第一解码器输出的彩色前景特征可以表示为fR。第二解码器能够将目标维度对应的热红外特征的分辨率恢复到原始空间大小(即热红外图像的分辨率),得到热红外前景特征。以目标维度对应的热红外特征为fT5为例,第二解码器输出的热红外前景特征可以表示为fT。其中,彩色前景特征可以理解为能够表征彩色图像中感兴趣的区域(即所有的指定对象)的特征,热红外前景特征可以理解为能够表征热红外图像中感兴趣的区域(即所有的指定对象)的特征。为了使互补模型能够统一地学习前景特征,可以不考虑区分不同语义之间的关联性,也就是说,对于互补模型来说,不需要区分不同种类的指定对象,而只需要区分图像(包括彩色图像和热红外图像)中的前景和背景即可。
第一残差单元和第二残差单元的结构相同,但训练参数不相同,第一残差单元和第二残差单元均可以包括3个编码器依次连接,每个编码器包括一个3*3的卷积核、批量归一化以及非线性激活函数ReLU。然后,可以将fT输入第一残差单元,得到CR,同时将fR输入第二残差单元,得到CT。
图6是根据一示例性实施例示出的另一种多模态图像识别方法的流程图,如图6所示,步骤104可以包括:
步骤1041,对目标维度对应的彩色特征、热红外特征,以及第一互补特征和第二互补特征进行融合,得到目标维度对应的融合特征。
步骤1042,将按照由高到低的顺序目标维度的下一个维度作为当前维度。
步骤1043,对当前维度的上一个维度对应的融合特征,和当前维度对应的彩色特征、热红外特征进行融合,得到当前维度对应的融合特征。
步骤1044,根据当前维度的下一个维度更新当前维度。
重复执行步骤1043至步骤1044,直至得到起始维度对应的融合特征,起始维度为多种维度中的最低维度。
步骤1045,根据起始维度对应的融合特征,确定识别结果。
示例的,将多种维度对应的彩色特征、多种维度对应的热红外特征,以及第一互补特征和第二互补特征进行融合,以确定识别结果的方式,可以按照多种维度由高到低的顺序依次进行特征融合。具体的,从目标维度开始,将目标维度对应的彩色特征、热红外特征,以及第一互补特征和第二互补特征进行融合,得到目标维度对应的融合特征。融合方式可以是将特征进行拼接(即concat),然后再利用一个卷积层(1*1conv)得到融合特征。之后,可以将目标维度的下一个维度作为当前维度,对当前维度的上一个维度(此时上一个维度为目标维度)对应的融合特征,和当前维度对应的彩色特征、热红外特征进行融合,得到当前维度对应的融合特征。然后根据当前维度的下一个维度更新当前维度,也就是说将当前维度的下一个维度作为新的当前维度。再重复执行上述步骤,直至得到多种维度中最低维度(即起始维度)对应的融合特征。最后,根据起始维度对应的融合特征,确定识别结果。具体的,可以对起始维度对应的融合特征施加一个核为1的逐点卷积层,然后利用softmax函数来确定识别结果,逐点卷积层输出的结果的维度为H*W*C,其中H为彩色图像的高,W为彩色图像的宽,C为通道数(即指定对象的个数),也就是说其中每个像素是1*1*C的向量,可以沿着这个C作softmax,得到每种指定对象对应的语义类别标签。
以图5所示为例,目标维度对应的彩色特征为fR5,热红外特征为fT5,那么可以对fR5、fT5、CR和CT进行融合,得到目标维度对应的融合特征,表示为F5。之后,将F5和fR4、fT4进行融合,得到下一个维度对应的融合特征,表示为F4。依次类推,得到F3、F2、F1。最后根据F1确定识别结果。
图7是根据一示例性实施例示出的一种联合训练彩色模型、热红外模型和互补模型的流程图,如图7所示,彩色模型、热红外模型和互补模型是通过以下方式联合训练得到的:
步骤A,将每个训练图像组的彩色训练图像输入彩色模型,得到多种维度对应的彩色训练特征,将该训练图像组的热红外训练图像输入热红外模型,得到多种维度对应的热红外训练特征。
步骤B,将目标维度对应的彩色训练特征和热红外训练特征输入互补模型,得到第一互补训练特征和第二互补训练特征。
步骤C,根据多种维度对应的彩色训练特征、多种维度对应的热红外训练特征、第一互补训练特征和第二互补训练特征,确定预测结果。
步骤D,根据目标维度对应的彩色训练特征、热红外训练特征,以及第一互补训练特征、第二互补训练特征、预测结果和该训练图像组对应的监督识别结果,联合训练彩色模型、热红外模型和互补模型,监督识别结果用于标识该训练图像组的彩色训练图像中每种指定对象所在的区域。
举例来说,在对彩色模型、热红外模型和互补模型进行联合训练时,可以将每个训练图像组的彩色训练图像输入彩色模型,得到多种维度对应的彩色训练特征,同时将该训练图像组的热红外训练图像输入热红外模型,得到多种维度对应的热红外训练特征。之后,将目标维度对应的彩色训练特征和热红外训练特征输入互补模型,得到第一互补训练特征和第二互补训练特征。第一互补训练特征用于表征红外模态对彩色模态的补充特征,第二互补训练特征用于表征彩色模态对热红外模态的补充特征,第一互补训练特征也可以理解为将热红外训练特征转换为彩色模态的特征,同样的,第二互补训练特征也可以理解为将彩色训练特征转换为热红外模态的特征。然后,根据多种维度对应的彩色训练特征、多种维度对应的热红外训练特征、第一互补训练特征和第二互补训练特征,确定预测结果。上述过程与确定识别结果的过程相同,此处不再赘述。
以图3所示的彩色模型、热红外模型和互补模型为例,提取出的彩色训练特征表示为f’R1、f’R2、f’R3、f’R4、f’R5,提取出的热红外特征表示为f’T1、f’T2、f’T3、f’T4、f’T5。互补模型根据f’T5确定第一互补训练特征,可以表示为C’R,同时互补模型根据f’R5确定第二互补训练特征,可以表示为C’T。最后对f’R5、f’T5、C’R和C’T进行融合,得到目标维度对应的融合训练特征,表示为F’5。之后,将F’5和f’R4、f’T4进行融合,得到下一个维度对应的融合训练特征,表示为F’4。依次类推,得到F’3、F’2、F’1。最后根据F’1确定预测结果。
最后,可以根据目标维度对应的彩色训练特征、热红外训练特征,以及第一互补训练特征、第二互补训练特征、预测结果和该训练图像组对应的监督识别结果,确定训练过程中的总损失,以降低总损失为目标,利用反向传播算法来修正彩色模型、热红外模型和互补模型中的神经元的参数,神经元的参数例如可以是神经元的权重(英文:Weight)和偏置量(英文:Bias)。重复上述步骤,直至总损失满足预设条件,以达到联合训练彩色模型、热红外模型和互补模型的目的。预设条件例如可以是总损失小于预设的损失阈值或者总损失收敛。其中,监督识别结果用于标识该训练图像组的彩色训练图像中每种指定对象所在的区域。
图8是根据一示例性实施例示出的另一种联合训练彩色模型、热红外模型和互补模型的流程图,如图8所示,步骤B可以包括以下步骤:
步骤B1,根据目标维度对应的彩色训练特征,利用互补模型中的第一解码器确定彩色前景训练特征,根据目标维度对应的热红外训练特征,利用互补模型中的第二解码器确定热红外前景训练特征。
步骤B2,根据热红外前景训练特征,利用互补模型中的第一残差单元确定第一互补训练特征,根据彩色前景训练特征,利用互补模型中的第二残差单元确定第二互补训练特征。
示例的,互补模型的结构可以如图9所示,包括第一解码器、第一残差单元、第二解码器和第二残差单元。第一解码器能够将目标维度对应的彩色训练特征的分辨率恢复到原始空间大小,得到彩色前景训练特征。以目标维度对应的彩色训练特征为f’R5为例,第一解码器输出的彩色前景训练特征可以表示为f’R。第二解码器能够将目标维度对应的热红外训练特征的分辨率恢复到原始空间大小,得到热红外前景训练特征。以目标维度对应的热红外训练特征为f’T5为例,第二解码器输出的热红外前景训练特征可以表示为f’T。其中,彩色前景训练特征可以理解为能够表征该训练图像组的彩色训练图像中感兴趣区域(即所有的指定对象)的特征,热红外前景训练特征可以理解为能够表征该训练图像组的热红外训练图像中感兴趣区域(即所有的指定对象)的特征。为了使互补模型能够统一地学习前景特征,可以不考虑区分不同语义之间地关联性,也就是说,对于互补模型来说,不需要区分不同种类的指定对象,而只需要区分图像(包括彩色训练图像和热红外训练图像)中的前景和背景即可。然后,可以将f’T输入第一残差单元,得到C’R,同时将f’R输入第二残差单元,得到C’T。需要说明的是,第一残差单元第二残差单元中均可以设置一个梯度截止模块(表示为Stop Gradient),使得彩色模态的梯度不会反向传播到热红外模态,热红外模态的梯度也不会反向传播到彩色模态,避免不兼容的训练目标对学习过程产生的干扰,从而保证学习过程的稳定。
图10是根据一示例性实施例示出的另一种联合训练彩色模型、热红外模型和互补模型的流程图,如图10所示,步骤D的实现方式可以包括:
步骤D1,根据预测结果和该训练图像组对应的监督识别结果,确定整体交叉熵损失。
示例的,步骤D1的实现方式可以包括:
步骤1)针对每种指定对象,根据多个训练图像组中该种指定对象所在区域的占比确定该种指定对象对应的权重。
为了避免长尾效应,可以先统计多个训练图像组中,每种指定对象所在区域的占比,然后根据该种指定对象的占比确定对应的权重。具体的,权重可以为:该种指定对象在全部训练图像组中占的像素数量,与全部训练图像组的像素数量的比值。
步骤2)根据预测结果中该种指定对象所在的区域,和该训练图像组对应的监督识别结果中该种指定对象所在的区域,确定该种指定对象对应的损失。
步骤3)根据每种指定对象对应的损失和该种指定对象对应的权重,确定整体交叉熵损失。
具体的,可以根据公式1确定整体交叉熵损失:
其中,LA表示整体交叉熵损失,αi表示N种指定对象中第i种指定对象对应的权重,表示训练图像组对应的监督识别结果中第i种指定对象所在的区域,Ii表示预测结果中第i种指定对象所在的区域,即Ii=Φ(F’1),Φ可以理解为核为1的逐点卷积层。整体交叉熵损失能够保证预测结果逼近监督识别结果,保证了图像识别的准确度。
步骤D2,根据彩色前景训练特征确定第一预测结果,并根据第一预测结果与该训练图像组对应的二值监督结果,确定第一交叉熵损失,二值监督结果用于标识该训练图像组的彩色训练图像中全部指定对象所在的区域。
步骤D3,根据热红外前景训练特征确定第二预测结果,并根据第二预测结果与该训练图像组对应的二值监督结果,确定第二交叉熵损失。
具体的,可以通过公式2确定第一交叉熵损失和第二交叉熵损失:
L1=GlogIR+(1-G)log(1-IR)
L2=GlogIT+(1-G)log(1-IT) 公式2
其中,L1表示第一交叉熵损失,L2表示第二交叉熵损失,G表示该训练图像组对应的二值监督结果,IR表示第一预测结果,即IR=Φ(f’R),IT表示第二预测结果,即IT=Φ(f’T)。其中,二值监督结果用于标识该训练图像组的彩色训练图像中全部指定对象所在的区域,也就是说二值监督结果用于标识每个像素点是前景还是背景。第一交叉熵损失和第二交叉熵损失,不考虑不同种类的指定对象,只需要区分图像中的前景和背景,保证了前景分割的准确度。
步骤D4,根据第一互补训练特征与彩色前景训练特征的和,确定第三预测结果,并根据第三预测结果与该训练图像组对应的二值监督结果,确定第三交叉熵损失。
步骤D5,根据第二互补训练特征与热红外前景训练特征的和,确定第四预测结果,并根据第四预测结果与该训练图像组对应的二值监督结果,确定第四交叉熵损失。
具体的,可以通过公式3确定第三交叉熵损失和第四交叉熵损失:
L3=GlogITR+(1-G)log(1-ITR)
L4=GlogIRT+(1-G)log(1-IRT) 公式3
其中,L3表示第三交叉熵损失,L4表示第四交叉熵损失,G表示该训练图像组对应的二值监督结果,ITR表示第三预测结果,即ITR=Φ(C’R+f’R),IRT表示第四预测结果,即IRT=Φ(C’T+f’T)。第三交叉熵损失和第四交叉熵损失中引入了残差结构(即C’R+f’R和C’T+f’T)。C’R+f’R能够引入热红外训练特征转换为彩色模态的特征(即第一互补训练特征),从而得到更丰富的场景。C’T+f’T能够引入彩色训练特征转换为热红外模态的特征(即第二互补训练特征),从而得到更丰富的场景,这样使得互补模型能够学习到更丰富的信息。
步骤D6,根据第一互补训练特征确定第五预测结果,并根据第五预测结果、第一预测结果以及该训练图像组对应的二值监督结果,确定第一差异性正则化损失。
步骤D7,根据第二互补训练特征确定第六预测结果,并根据第六预测结果、第二预测结果以及该训练图像组对应的二值监督结果,确定第二差异性正则化损失。
示例的,步骤D6的实现方式可以包括:
步骤4)根据预设的激活函数,处理该训练图像组对应的二值监督结果与第一预测结果的差值,得到第一结果。
步骤5)根据第一结果与第五预测结果的差值确定第一差异性正则化损失。
相应的,步骤D7的实现方式可以包括:
步骤6)根据预设的激活函数,处理该训练图像组对应的二值监督结果与第二预测结果的差值,得到第二结果。
步骤7)根据第二结果与第六预测结果的差值确定第二差异性正则化损失。
具体的,可以通过公式4确定第一差异性正则化损失和第二差异性正则化损失:
Ldis1=||ReLU(G-IR)-IRC||2
Ldis2=||ReLU(G-IT)-ITC||2 公式4
其中,Ldis1表示第一差异性正则化损失,Ldis2表示第二差异性正则化损失,G表示该训练图像组对应的二值监督结果,ReLU函数用于去除负值,IRC表示第五预测结果,即IRC=Φ(C’R),ITC表示第六预测结果,即ITC=Φ(C’T)。||||表示L2约束。第一差异性正则化损失能够使得第一互补训练特征进一步逼近彩色模态中缺失的信息(即G-IR),第二差异性正则化损失能够使得第二互补训练特征进一步逼近热红外模态中缺失的信息(即G-IT)。
步骤D8,根据整体交叉熵损失、第一交叉熵损失、第二交叉熵损失、第三交叉熵损失、第四交叉熵损失、第一差异性正则化损失和第二差异性正则化损失,确定总损失。
步骤D9,以降低总损失为目标,利用反向传播算法联合训练彩色模型、热红外模型和互补模型。
示例的,可以对整体交叉熵损失、第一交叉熵损失、第二交叉熵损失、第三交叉熵损失、第四交叉熵损失、第一差异性正则化损失和第二差异性正则化损失求和,得到总损失。或者也可以对整体交叉熵损失、第一交叉熵损失、第二交叉熵损失、第三交叉熵损失、第四交叉熵损失、第一差异性正则化损失和第二差异性正则化损失进行加权求和,得到总损失。最后,以降低总损失为目标,利用反向传播算法修正彩色模型、热红外模型和互补模型中的神经元的参数,以达到联合训练的目的。第一交叉熵损失、第二交叉熵损失、第三交叉熵损失、第四交叉熵损失、第一差异性正则化损失和第二差异性正则化损失,共同保证了彩色模态缺失的有效信息能够从互补的热红外模态中有效捕获,从而提高图像识别的准确度。
综上所述,本公开首先获取目标场景的彩色图像和热红外图像,之后分别提取彩色图像在多种维度上的彩色特征,以及热红外图像在多种维度上的热红外特征。再根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,其中第一互补特征用于表征热红外模态对彩色模态的补充特征,第二互补特征用于表征彩色模态对热红外模态的补充特征。最后根据多种维度对应的彩色特征、多种维度对应的热红外特征、第一互补特征和第二互补特征,确定彩色图像中至少一种指定对象所在的区域。本公开通过提取热红外模态和彩色模态之间的互补特征,实现跨模态之间有效信息的显式融合,能够解决极端环境下图像识别困难的问题,提高了图像识别的准确度和鲁棒性。
图11是根据一示例性实施例示出的一种多模态图像识别装置的框图,如图11所示,该装置200可以包括:
获取模块201,用于获取目标场景的彩色图像和热红外图像。
提取模块202,用于提取彩色图像在多种维度上的彩色特征。提取热红外图像在多种维度上的热红外特征。
互补提取模块203,用于根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,目标维度为多种维度中的最高维度,第一互补特征用于表征热红外模态对彩色模态的补充特征,第二互补特征用于表征彩色模态对热红外模态的补充特征。
识别模块204,用于根据多种维度对应的彩色特征、多种维度对应的热红外特征、第一互补特征和第二互补特征,确定识别结果,识别结果用于标识彩色图像中至少一种指定对象所在的区域。
图12是根据一示例性实施例示出的另一种多模态图像识别装置的框图,如图12所示,提取模块202可以包括:
第一提取子模块2021,用于将彩色图像输入彩色模型,得到彩色模型输出的多种维度对应的彩色特征。
第二提取子模块2022,用于将热红外图像输入热红外模型,得到热红外模型输出的多种维度对应的热红外色特征。
相应的,互补提取模块203可以用于:
将目标维度对应的彩色特征和热红外特征输入互补模型,以得到互补模型输出的第一互补特征和第二互补特征。
其中,彩色模型、热红外模型和互补模型根据多个训练图像组联合训练得到,每个训练图像组包括一个训练场景的彩色训练图像和热红外训练图像。
图13是根据一示例性实施例示出的另一种多模态图像识别装置的框图,如图13所示,互补提取模块203可以包括:
解码子模块2031,用于根据目标维度对应的彩色特征,利用互补模型中的第一解码器确定彩色前景特征,根据目标维度对应的热红外特征,利用互补模型中的第二解码器确定热红外前景特征,彩色前景特征用于表征彩色图像中全部指定对象的区域,热红外前景特征用于表征热红外图像中全部指定对象的区域。
互补提取子模块2032,用于根据热红外前景特征,利用互补模型中的第一残差单元确定第一互补特征,根据彩色前景特征,利用互补模型中的第二残差单元确定第二互补特征。
图14是根据一示例性实施例示出的另一种多模态图像识别装置的框图,如图14所示,识别模块204可以包括:
第一融合子模块2041,用于对目标维度对应的彩色特征、热红外特征,以及第一互补特征和第二互补特征进行融合,得到目标维度对应的融合特征。
初始化子模块2042,用于将按照由高到低的顺序目标维度的下一个维度作为当前维度。
第二融合子模块2043,用于对当前维度的上一个维度对应的融合特征,和当前维度对应的彩色特征、热红外特征进行融合,得到当前维度对应的融合特征。
更新子模块2044,用于根据当前维度的下一个维度更新当前维度。
重复执行对当前维度的上一个维度对应的融合特征,和当前维度对应的彩色特征、热红外特征进行融合,得到当前维度对应的融合特征至根据当前维度的下一个维度更新当前维度的步骤,直至得到起始维度对应的融合特征,起始维度为多种维度中的最低维度。
识别子模块2045,用于根据起始维度对应的融合特征,确定识别结果。
在一种实现方式中,彩色模型、热红外模型和互补模型是通过以下方式联合训练得到的:
步骤A,将每个训练图像组的彩色训练图像输入彩色模型,得到多种维度对应的彩色训练特征,将该训练图像组的热红外训练图像输入热红外模型,得到多种维度对应的热红外训练特征。
步骤B,将目标维度对应的彩色训练特征和热红外训练特征输入互补模型,得到第一互补训练特征和第二互补训练特征。
步骤C,根据多种维度对应的彩色训练特征、多种维度对应的热红外训练特征、第一互补训练特征和第二互补训练特征,确定预测结果。
步骤D,根据目标维度对应的彩色训练特征、热红外训练特征,以及第一互补训练特征、第二互补训练特征、预测结果和该训练图像组对应的监督识别结果,联合训练彩色模型、热红外模型和互补模型,监督识别结果用于标识该训练图像组的彩色训练图像中每种指定对象所在的区域。
在另一种实现方式中,步骤B可以包括以下步骤:
步骤B1,根据目标维度对应的彩色训练特征,利用互补模型中的第一解码器确定彩色前景训练特征,根据目标维度对应的热红外训练特征,利用互补模型中的第二解码器确定热红外前景训练特征。
步骤B2,根据热红外前景训练特征,利用互补模型中的第一残差单元确定第一互补训练特征,根据彩色前景训练特征,利用互补模型中的第二残差单元确定第二互补训练特征。
在又一种实现方式中,步骤D的实现方式可以包括:
步骤D1,根据预测结果和该训练图像组对应的监督识别结果,确定整体交叉熵损失。
步骤D2,根据彩色前景训练特征确定第一预测结果,并根据第一预测结果与该训练图像组对应的二值监督结果,确定第一交叉熵损失,二值监督结果用于标识该训练图像组的彩色训练图像中全部指定对象所在的区域。
步骤D3,根据热红外前景训练特征确定第二预测结果,并根据第二预测结果与该训练图像组对应的二值监督结果,确定第二交叉熵损失。
步骤D4,根据第一互补训练特征与彩色前景训练特征的和,确定第三预测结果,并根据第三预测结果与该训练图像组对应的二值监督结果,确定第三交叉熵损失。
步骤D5,根据第二互补训练特征与热红外前景训练特征的和,确定第四预测结果,并根据第四预测结果与该训练图像组对应的二值监督结果,确定第四交叉熵损失。
步骤D6,根据第一互补训练特征确定第五预测结果,并根据第五预测结果、第一预测结果以及该训练图像组对应的二值监督结果,确定第一差异性正则化损失。
步骤D7,根据第二互补训练特征确定第六预测结果,并根据第六预测结果、第二预测结果以及该训练图像组对应的二值监督结果,确定第二差异性正则化损失。
步骤D8,根据整体交叉熵损失、第一交叉熵损失、第二交叉熵损失、第三交叉熵损失、第四交叉熵损失、第一差异性正则化损失和第二差异性正则化损失,确定总损失。
步骤D9,以降低总损失为目标,利用反向传播算法联合训练彩色模型、热红外模型和互补模型。
在一种实现方式中,步骤D1的实现方式可以包括:
步骤1)针对每种指定对象,根据多个训练图像组中该种指定对象所在区域的占比确定该种指定对象对应的权重。
步骤2)根据预测结果中该种指定对象所在的区域,和该训练图像组对应的监督识别结果中该种指定对象所在的区域,确定该种指定对象对应的损失。
步骤3)根据每种指定对象对应的损失和该种指定对象对应的权重,确定整体交叉熵损失。
在另一种实现方式中,步骤D6的实现方式可以包括:
步骤4)根据预设的激活函数,处理该训练图像组对应的二值监督结果与第一预测结果的差值,得到第一结果。
步骤5)根据第一结果与第五预测结果的差值确定第一差异性正则化损失。
相应的,步骤D7的实现方式可以包括:
步骤6)根据预设的激活函数,处理该训练图像组对应的二值监督结果与第二预测结果的差值,得到第二结果。
步骤7)根据第二结果与第六预测结果的差值确定第二差异性正则化损失。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开首先获取目标场景的彩色图像和热红外图像,之后分别提取彩色图像在多种维度上的彩色特征,以及热红外图像在多种维度上的热红外特征。再根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,其中第一互补特征用于表征热红外模态对彩色模态的补充特征,第二互补特征用于表征彩色模态对热红外模态的补充特征。最后根据多种维度对应的彩色特征、多种维度对应的热红外特征、第一互补特征和第二互补特征,确定彩色图像中至少一种指定对象所在的区域。本公开通过提取热红外模态和彩色模态之间的互补特征,实现跨模态之间有效信息的显式融合,能够解决极端环境下图像识别困难的问题,提高了图像识别的准确度和鲁棒性。
下面参考图15,其示出了适于用来实现本公开实施例的电子设备(例如可以上述实施例中的执行主体,可以是终端设备或服务器)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图15示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图15所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305: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306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图15示出了具有各种装置的电子设备300,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。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态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。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开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,终端设备、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电子设备中所包含的;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:获取目标场景的彩色图像和热红外图像;提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。。
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操作的计算机程序代码,上述程序设计语言包括但不限于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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取彩色图像和热红外图像的模块”。
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。
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。
根据本公开的一个或多个实施例,示例1提供了一种多模态图像识别方法,包括:获取目标场景的彩色图像和热红外图像;提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述提取所述彩色图像在多种维度上的彩色特征,包括:将所述彩色图像输入彩色模型,得到所述彩色模型输出的所述多种维度对应的彩色特征;所述提取所述热红外图像在所述多种维度上的热红外特征,包括:将所述热红外图像输入热红外模型,得到所述热红外模型输出的所述多种维度对应的热红外色特征;所述根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,包括:将所述目标维度对应的彩色特征和热红外特征输入互补模型,以得到所述互补模型输出的所述第一互补特征和所述第二互补特征;所述彩色模型、所述热红外模型和所述互补模型根据多个训练图像组联合训练得到,每个所述训练图像组包括一个训练场景的彩色训练图像和热红外训练图像。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述将所述目标维度对应的彩色特征和热红外特征输入互补模型,以得到所述互补模型输出的所述第一互补特征和所述第二互补特征,包括:根据所述目标维度对应的彩色特征,利用所述互补模型中的第一解码器确定彩色前景特征,根据所述目标维度对应的热红外特征,利用所述互补模型中的第二解码器确定热红外前景特征,所述彩色前景特征用于表征所述彩色图像中全部所述指定对象的区域,所述热红外前景特征用于表征所述热红外图像中全部所述指定对象的区域;根据所述热红外前景特征,利用所述互补模型中的第一残差单元确定所述第一互补特征,根据所述彩色前景特征,利用所述互补模型中的第二残差单元确定所述第二互补特征。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,所述根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,包括:对所述目标维度对应的彩色特征、热红外特征,以及所述第一互补特征和所述第二互补特征进行融合,得到所述目标维度对应的融合特征;将按照由高到低的顺序所述目标维度的下一个维度作为当前维度;对所述当前维度的上一个维度对应的融合特征,和所述当前维度对应的彩色特征、热红外特征进行融合,得到所述当前维度对应的融合特征;根据所述当前维度的下一个维度更新所述当前维度;重复执行所述对所述当前维度的上一个维度对应的融合特征,和所述当前维度对应的彩色特征、热红外特征进行融合,得到所述当前维度对应的融合特征,至所述根据所述当前维度的下一个维度更新所述当前维度的步骤,直至得到起始维度对应的融合特征,所述起始维度为所述多种维度中的最低维度;根据所述起始维度对应的融合特征,确定所述识别结果。
根据本公开的一个或多个实施例,示例5提供了示例2或示例3的方法,所述彩色模型、所述热红外模型和所述互补模型是通过以下方式联合训练得到的:将每个所述训练图像组的所述彩色训练图像输入所述彩色模型,得到所述多种维度对应的彩色训练特征,将该训练图像组的所述热红外训练图像输入所述热红外模型,得到所述多种维度对应的热红外训练特征;将所述目标维度对应的彩色训练特征和热红外训练特征输入所述互补模型,得到第一互补训练特征和第二互补训练特征;根据所述多种维度对应的彩色训练特征、所述多种维度对应的热红外训练特征、所述第一互补训练特征和所述第二互补训练特征,确定预测结果;根据所述目标维度对应的彩色训练特征、热红外训练特征,以及所述第一互补训练特征、所述第二互补训练特征、所述预测结果和该训练图像组对应的监督识别结果,联合训练所述彩色模型、所述热红外模型和所述互补模型,所述监督识别结果用于标识该训练图像组的所述彩色训练图像中每种所述指定对象所在的区域。
根据本公开的一个或多个实施例,示例6提供了示例5的方法,所述将所述目标维度对应的彩色训练特征和热红外训练特征输入所述互补模型,得到第一互补训练特征和第二互补训练特征,包括:根据所述目标维度对应的彩色训练特征,利用所述互补模型中的第一解码器确定彩色前景训练特征,根据所述目标维度对应的热红外训练特征,利用所述互补模型中的第二解码器确定热红外前景训练特征;根据所述热红外前景训练特征,利用所述互补模型中的第一残差单元确定所述第一互补训练特征,根据所述彩色前景训练特征,利用所述互补模型中的第二残差单元确定所述第二互补训练特征。
根据本公开的一个或多个实施例,示例7提供了示例6的方法,所述根据所述目标维度对应的彩色训练特征、热红外训练特征,以及所述第一互补训练特征、所述第二互补训练特征、所述预测结果和该训练图像组对应的监督识别结果,联合训练所述彩色模型、所述热红外模型和所述互补模型,包括:根据所述预测结果和该训练图像组对应的所述监督识别结果,确定整体交叉熵损失;根据所述彩色前景训练特征确定第一预测结果,并根据所述第一预测结果与该训练图像组对应的二值监督结果,确定第一交叉熵损失,所述二值监督结果用于标识该训练图像组的所述彩色训练图像中全部所述指定对象所在的区域;根据所述热红外前景训练特征确定第二预测结果,并根据所述第二预测结果与该训练图像组对应的所述二值监督结果,确定第二交叉熵损失;根据所述第一互补训练特征与所述彩色前景训练特征的和,确定第三预测结果,并根据所述第三预测结果与该训练图像组对应的所述二值监督结果,确定第三交叉熵损失;根据所述第二互补训练特征与所述热红外前景训练特征的和,确定第四预测结果,并根据所述第四预测结果与该训练图像组对应的所述二值监督结果,确定第四交叉熵损失;根据所述第一互补训练特征确定第五预测结果,并根据所述第五预测结果、所述第一预测结果以及该训练图像组对应的所述二值监督结果,确定第一差异性正则化损失;根据所述第二互补训练特征确定第六预测结果,并根据所述第六预测结果、所述第二预测结果以及该训练图像组对应的所述二值监督结果,确定第二差异性正则化损失;根据所述整体交叉熵损失、所述第一交叉熵损失、所述第二交叉熵损失、所述第三交叉熵损失、所述第四交叉熵损失、所述第一差异性正则化损失和所述第二差异性正则化损失,确定总损失;以降低所述总损失为目标,利用反向传播算法联合训练所述彩色模型、所述热红外模型和所述互补模型。
根据本公开的一个或多个实施例,示例8提供了示例7的方法,所述根据所述预测结果和该训练图像组对应的所述监督识别结果,确定整体交叉熵损失,包括:针对每种所述指定对象,根据多个所述训练图像组中该种指定对象所在区域的占比确定该种指定对象对应的权重;根据所述预测结果中该种指定对象所在的区域,和该训练图像组对应的所述监督识别结果中该种指定对象所在的区域,确定该种指定对象对应的损失;根据每种所述指定对象对应的损失和该种指定对象对应的权重,确定所述整体交叉熵损失。
根据本公开的一个或多个实施例,示例9提供了示例7的方法,所述根据所述第五预测结果、所述第一预测结果以及该训练图像组对应的所述二值监督结果,确定第一差异性正则化损失,包括:根据预设的激活函数,处理该训练图像组对应的所述二值监督结果与所述第一预测结果的差值,得到第一结果;根据第一结果与所述第五预测结果的差值确定所述第一差异性正则化损失;所述根据所述第六预测结果、所述第二预测结果以及该训练图像组对应的所述二值监督结果,确定第二差异性正则化损失,包括:根据预设的激活函数,处理该训练图像组对应的所述二值监督结果与所述第二预测结果的差值,得到第二结果;根据第二结果与所述第六预测结果的差值确定所述第二差异性正则化损失。
根据本公开的一个或多个实施例,示例10提供了一种多模态图像识别装置,包括:获取模块,用于获取目标场景的彩色图像和热红外图像;提取模块,用于提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;互补提取模块,用于根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;识别模块,用于根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。
根据本公开的一个或多个实施例,示例11提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1至示例9中所述方法的步骤。
根据本公开的一个或多个实施例,示例12提供了一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1至示例9中所述方法的步骤。
以上描述仅为本公开的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,本公开中所涉及的公开范围,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公开构思的情况下,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。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (12)
1.一种多模态图像识别方法,其特征在于,所述方法包括:
获取目标场景的彩色图像和热红外图像;
提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;
根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;
根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。
2.根据权利要求1所述的方法,其特征在于,所述提取所述彩色图像在多种维度上的彩色特征,包括:
将所述彩色图像输入彩色模型,得到所述彩色模型输出的所述多种维度对应的彩色特征;
所述提取所述热红外图像在所述多种维度上的热红外特征,包括:
将所述热红外图像输入热红外模型,得到所述热红外模型输出的所述多种维度对应的热红外色特征;
所述根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,包括:
将所述目标维度对应的彩色特征和热红外特征输入互补模型,以得到所述互补模型输出的所述第一互补特征和所述第二互补特征;
所述彩色模型、所述热红外模型和所述互补模型根据多个训练图像组联合训练得到,每个所述训练图像组包括一个训练场景的彩色训练图像和热红外训练图像。
3.根据权利要求2所述的方法,其特征在于,所述将所述目标维度对应的彩色特征和热红外特征输入互补模型,以得到所述互补模型输出的所述第一互补特征和所述第二互补特征,包括:
根据所述目标维度对应的彩色特征,利用所述互补模型中的第一解码器确定彩色前景特征,根据所述目标维度对应的热红外特征,利用所述互补模型中的第二解码器确定热红外前景特征,所述彩色前景特征用于表征所述彩色图像中全部所述指定对象的区域,所述热红外前景特征用于表征所述热红外图像中全部所述指定对象的区域;
根据所述热红外前景特征,利用所述互补模型中的第一残差单元确定所述第一互补特征,根据所述彩色前景特征,利用所述互补模型中的第二残差单元确定所述第二互补特征。
4.根据权利要求1所述的方法,其特征在于,所述根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,包括:
对所述目标维度对应的彩色特征、热红外特征,以及所述第一互补特征和所述第二互补特征进行融合,得到所述目标维度对应的融合特征;
将按照由高到低的顺序所述目标维度的下一个维度作为当前维度;
对所述当前维度的上一个维度对应的融合特征,和所述当前维度对应的彩色特征、热红外特征进行融合,得到所述当前维度对应的融合特征;
根据所述当前维度的下一个维度更新所述当前维度;
重复执行所述对所述当前维度的上一个维度对应的融合特征,和所述当前维度对应的彩色特征、热红外特征进行融合,得到所述当前维度对应的融合特征,至所述根据所述当前维度的下一个维度更新所述当前维度的步骤,直至得到起始维度对应的融合特征,所述起始维度为所述多种维度中的最低维度;
根据所述起始维度对应的融合特征,确定所述识别结果。
5.根据权利要求2或3所述的方法,其特征在于,所述彩色模型、所述热红外模型和所述互补模型是通过以下方式联合训练得到的:
将每个所述训练图像组的所述彩色训练图像输入所述彩色模型,得到所述多种维度对应的彩色训练特征,将该训练图像组的所述热红外训练图像输入所述热红外模型,得到所述多种维度对应的热红外训练特征;
将所述目标维度对应的彩色训练特征和热红外训练特征输入所述互补模型,得到第一互补训练特征和第二互补训练特征;
根据所述多种维度对应的彩色训练特征、所述多种维度对应的热红外训练特征、所述第一互补训练特征和所述第二互补训练特征,确定预测结果;
根据所述目标维度对应的彩色训练特征、热红外训练特征,以及所述第一互补训练特征、所述第二互补训练特征、所述预测结果和该训练图像组对应的监督识别结果,联合训练所述彩色模型、所述热红外模型和所述互补模型,所述监督识别结果用于标识该训练图像组的所述彩色训练图像中每种所述指定对象所在的区域。
6.根据权利要求5所述的方法,其特征在于,所述将所述目标维度对应的彩色训练特征和热红外训练特征输入所述互补模型,得到第一互补训练特征和第二互补训练特征,包括:
根据所述目标维度对应的彩色训练特征,利用所述互补模型中的第一解码器确定彩色前景训练特征,根据所述目标维度对应的热红外训练特征,利用所述互补模型中的第二解码器确定热红外前景训练特征;
根据所述热红外前景训练特征,利用所述互补模型中的第一残差单元确定所述第一互补训练特征,根据所述彩色前景训练特征,利用所述互补模型中的第二残差单元确定所述第二互补训练特征。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标维度对应的彩色训练特征、热红外训练特征,以及所述第一互补训练特征、所述第二互补训练特征、所述预测结果和该训练图像组对应的监督识别结果,联合训练所述彩色模型、所述热红外模型和所述互补模型,包括:
根据所述预测结果和该训练图像组对应的所述监督识别结果,确定整体交叉熵损失;
根据所述彩色前景训练特征确定第一预测结果,并根据所述第一预测结果与该训练图像组对应的二值监督结果,确定第一交叉熵损失,所述二值监督结果用于标识该训练图像组的所述彩色训练图像中全部所述指定对象所在的区域;
根据所述热红外前景训练特征确定第二预测结果,并根据所述第二预测结果与该训练图像组对应的所述二值监督结果,确定第二交叉熵损失;
根据所述第一互补训练特征与所述彩色前景训练特征的和,确定第三预测结果,并根据所述第三预测结果与该训练图像组对应的所述二值监督结果,确定第三交叉熵损失;
根据所述第二互补训练特征与所述热红外前景训练特征的和,确定第四预测结果,并根据所述第四预测结果与该训练图像组对应的所述二值监督结果,确定第四交叉熵损失;
根据所述第一互补训练特征确定第五预测结果,并根据所述第五预测结果、所述第一预测结果以及该训练图像组对应的所述二值监督结果,确定第一差异性正则化损失;
根据所述第二互补训练特征确定第六预测结果,并根据所述第六预测结果、所述第二预测结果以及该训练图像组对应的所述二值监督结果,确定第二差异性正则化损失;
根据所述整体交叉熵损失、所述第一交叉熵损失、所述第二交叉熵损失、所述第三交叉熵损失、所述第四交叉熵损失、所述第一差异性正则化损失和所述第二差异性正则化损失,确定总损失;
以降低所述总损失为目标,利用反向传播算法联合训练所述彩色模型、所述热红外模型和所述互补模型。
8.根据权利要求7所述的方法,其特征在于,所述根据所述预测结果和该训练图像组对应的所述监督识别结果,确定整体交叉熵损失,包括:
针对每种所述指定对象,根据多个所述训练图像组中该种指定对象所在区域的占比确定该种指定对象对应的权重;
根据所述预测结果中该种指定对象所在的区域,和该训练图像组对应的所述监督识别结果中该种指定对象所在的区域,确定该种指定对象对应的损失;
根据每种所述指定对象对应的损失和该种指定对象对应的权重,确定所述整体交叉熵损失。
9.根据权利要求7所述的方法,其特征在于,所述根据所述第五预测结果、所述第一预测结果以及该训练图像组对应的所述二值监督结果,确定第一差异性正则化损失,包括:
根据预设的激活函数,处理该训练图像组对应的所述二值监督结果与所述第一预测结果的差值,得到第一结果;
根据第一结果与所述第五预测结果的差值确定所述第一差异性正则化损失;
所述根据所述第六预测结果、所述第二预测结果以及该训练图像组对应的所述二值监督结果,确定第二差异性正则化损失,包括:
根据预设的激活函数,处理该训练图像组对应的所述二值监督结果与所述第二预测结果的差值,得到第二结果;
根据第二结果与所述第六预测结果的差值确定所述第二差异性正则化损失。
10.一种多模态图像识别装置,其特征在于,所述装置包括:
获取模块,用于获取目标场景的彩色图像和热红外图像;
提取模块,用于提取所述彩色图像在多种维度上的彩色特征;提取所述热红外图像在所述多种维度上的热红外特征;
互补提取模块,用于根据目标维度对应的彩色特征、热红外特征,确定第一互补特征和第二互补特征,所述目标维度为所述多种维度中的最高维度,所述第一互补特征用于表征热红外模态对彩色模态的补充特征,所述第二互补特征用于表征彩色模态对热红外模态的补充特征;
识别模块,用于根据所述多种维度对应的彩色特征、所述多种维度对应的热红外特征、所述第一互补特征和所述第二互补特征,确定识别结果,所述识别结果用于标识所述彩色图像中至少一种指定对象所在的区域。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846758.1A CN115240042B (zh) | 2022-07-05 | 2022-07-05 | 多模态图像识别方法、装置、可读介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846758.1A CN115240042B (zh) | 2022-07-05 | 2022-07-05 | 多模态图像识别方法、装置、可读介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115240042A true CN115240042A (zh) | 2022-10-25 |
CN115240042B CN115240042B (zh) | 2023-05-16 |
Family
ID=83674031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210846758.1A Active CN115240042B (zh) | 2022-07-05 | 2022-07-05 | 多模态图像识别方法、装置、可读介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115240042B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190108653A1 (en) * | 2017-10-09 | 2019-04-11 | Verizon Patent And Licensing Inc. | Capture Device Calibration Methods and Systems |
CN111539247A (zh) * | 2020-03-10 | 2020-08-14 | 西安电子科技大学 | 一种超光谱人脸识别方法、装置、电子设备及其存储介质 |
CN111770282A (zh) * | 2020-06-28 | 2020-10-13 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质及终端设备 |
US20210004974A1 (en) * | 2019-07-06 | 2021-01-07 | Toyota Research Institute, Inc. | Systems and methods for semi-supervised depth estimation according to an arbitrary camera |
CN112330639A (zh) * | 2020-11-09 | 2021-02-05 | 东北大学 | 一种用于彩色-热红外图像的显著性检测方法 |
US20210118184A1 (en) * | 2019-10-17 | 2021-04-22 | Toyota Research Institute, Inc. | Systems and methods for self-supervised scale-aware training of a model for monocular depth estimation |
CN112700368A (zh) * | 2019-10-22 | 2021-04-23 | 华为技术有限公司 | 图像处理方法、装置及电子设备 |
CN112991350A (zh) * | 2021-02-18 | 2021-06-18 | 西安电子科技大学 | 一种基于模态差异缩减的rgb-t图像语义分割方法 |
CN113011438A (zh) * | 2021-03-16 | 2021-06-22 | 东北大学 | 基于节点分类和稀疏图学习的双模态图像显著性检测方法 |
US11106903B1 (en) * | 2018-11-02 | 2021-08-31 | Amazon Technologies, Inc. | Object detection in image data |
CN113362322A (zh) * | 2021-07-16 | 2021-09-07 | 浙江科技学院 | 一种判别辅助和多模态加权融合的显著物体检测方法 |
CN113688806A (zh) * | 2021-10-26 | 2021-11-23 | 南京智谱科技有限公司 | 一种红外与可见光图像融合的多光谱目标检测方法及系统 |
CN114694001A (zh) * | 2022-02-15 | 2022-07-01 | 北京深睿博联科技有限责任公司 | 一种基于多模态图像融合的目标检测方法及装置 |
-
2022
- 2022-07-05 CN CN202210846758.1A patent/CN115240042B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190108653A1 (en) * | 2017-10-09 | 2019-04-11 | Verizon Patent And Licensing Inc. | Capture Device Calibration Methods and Systems |
US11106903B1 (en) * | 2018-11-02 | 2021-08-31 | Amazon Technologies, Inc. | Object detection in image data |
US20210004974A1 (en) * | 2019-07-06 | 2021-01-07 | Toyota Research Institute, Inc. | Systems and methods for semi-supervised depth estimation according to an arbitrary camera |
US20210118184A1 (en) * | 2019-10-17 | 2021-04-22 | Toyota Research Institute, Inc. | Systems and methods for self-supervised scale-aware training of a model for monocular depth estimation |
CN112700368A (zh) * | 2019-10-22 | 2021-04-23 | 华为技术有限公司 | 图像处理方法、装置及电子设备 |
CN111539247A (zh) * | 2020-03-10 | 2020-08-14 | 西安电子科技大学 | 一种超光谱人脸识别方法、装置、电子设备及其存储介质 |
CN111770282A (zh) * | 2020-06-28 | 2020-10-13 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质及终端设备 |
CN112330639A (zh) * | 2020-11-09 | 2021-02-05 | 东北大学 | 一种用于彩色-热红外图像的显著性检测方法 |
CN112991350A (zh) * | 2021-02-18 | 2021-06-18 | 西安电子科技大学 | 一种基于模态差异缩减的rgb-t图像语义分割方法 |
CN113011438A (zh) * | 2021-03-16 | 2021-06-22 | 东北大学 | 基于节点分类和稀疏图学习的双模态图像显著性检测方法 |
CN113362322A (zh) * | 2021-07-16 | 2021-09-07 | 浙江科技学院 | 一种判别辅助和多模态加权融合的显著物体检测方法 |
CN113688806A (zh) * | 2021-10-26 | 2021-11-23 | 南京智谱科技有限公司 | 一种红外与可见光图像融合的多光谱目标检测方法及系统 |
CN114694001A (zh) * | 2022-02-15 | 2022-07-01 | 北京深睿博联科技有限责任公司 | 一种基于多模态图像融合的目标检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
YONGZHILONG ET AL.: "RXDNFuse: A aggregated residual dense network for infrared and visible image fusion", 《INFORMATION FUSION》 * |
王芳莲等: "基于双层次决策规则的红外与可见光图像融合", 《半导体光电》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115240042B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476309A (zh) | 图像处理方法、模型训练方法、装置、设备及可读介质 | |
WO2022257578A1 (zh) | 用于识别文本的方法和装置 | |
CN111915480B (zh) | 生成特征提取网络的方法、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 | |
CN112668588B (zh) | 车位信息生成方法、装置、设备和计算机可读介质 | |
CN113704531A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN110659639B (zh) | 汉字识别方法、装置、计算机可读介质及电子设备 | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN115578570A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN114972944B (zh) | 视觉问答模型的训练方法及装置、问答方法、介质、设备 | |
CN116310582A (zh) | 分类模型训练方法、图像分类方法、装置、介质及设备 | |
CN112883966A (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
WO2022012178A1 (zh) | 用于生成目标函数的方法、装置、电子设备和计算机可读介质 | |
CN114067327A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN110674813B (zh) | 汉字识别方法、装置、计算机可读介质及电子设备 | |
CN116503596A (zh) | 图片分割方法、装置、介质和电子设备 | |
CN115240042B (zh) | 多模态图像识别方法、装置、可读介质和电子设备 | |
CN116206175A (zh) | 场景分析模型的预训练方法、确定方法、设备及产品 | |
CN113470026B (zh) | 息肉识别方法、装置、介质及设备 | |
CN113688928B (zh) | 图像匹配方法、装置、电子设备和计算机可读介质 | |
CN115270981A (zh) | 对象处理方法、装置、可读介质及电子设备 | |
CN111737575B (zh) | 内容分发方法、装置、可读介质及电子设备 |
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 |