CN115331077A - 特征提取模型的训练方法、目标分类方法、装置、设备 - Google Patents

特征提取模型的训练方法、目标分类方法、装置、设备 Download PDF

Info

Publication number
CN115331077A
CN115331077A CN202211007593.5A CN202211007593A CN115331077A CN 115331077 A CN115331077 A CN 115331077A CN 202211007593 A CN202211007593 A CN 202211007593A CN 115331077 A CN115331077 A CN 115331077A
Authority
CN
China
Prior art keywords
feature map
view
feature
pixels
sample image
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
Application number
CN202211007593.5A
Other languages
English (en)
Other versions
CN115331077B (zh
Inventor
张为明
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 CN202211007593.5A priority Critical patent/CN115331077B/zh
Publication of CN115331077A publication Critical patent/CN115331077A/zh
Application granted granted Critical
Publication of CN115331077B publication Critical patent/CN115331077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7753—Incorporation of unlabelled data, e.g. multiple instance learning [MIL]
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Abstract

本公开提供了一种特征提取模型的训练方法、目标分类方法、装置、电子设备和介质，涉及人工智能领域，尤其涉及图像处理、计算机视觉和深度学习领域，尤其涉及智慧城市、智能交通等场景。一种方法包括：获得样本图像；对样本图像进行第一处理以获得样本图像的第一视图，第一处理包括对样本图像进行剪裁；基于第一视图，通过特征提取模型，获得第一特征图；基于第一特征图获得第一重建视图，第一重建视图与第一视图具有相同的尺寸；基于第一视图和第一重建视图确定第一损失值；以及至少基于第一损失值对特征提取模型的参数进行调整。

Description

特征提取模型的训练方法、目标分类方法、装置、设备
技术领域
本公开涉及人工智能技术领域，尤其涉及图像处理、计算机视觉和深度学习，尤其涉及智慧城市、智能交通等场景，具体涉及一种特征提取模型的训练方法、目标分类方法、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。
在很多应用场景例如智能交通场景中，经常存在着大量的无标注数据，有标注数据较少，标注成本昂贵。因此，期望一种能够基于无标注数据对模型进行训练或者预训练的方法。
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
本公开提供了一种特征提取模型的训练方法、目标分类方法、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，提供了一种特征提取模型的训练方法，包括：获得样本图像；对所述样本图像进行第一处理以获得样本图像的第一视图，所述第一处理包括对所述样本图像进行剪裁；基于所述第一视图，通过所述特征提取模型，获得第一特征图；基于所述第一特征图获得第一重建视图，所述第一重建视图与所述第一视图具有相同的尺寸；基于所述第一视图和所述第一重建视图确定第一损失值；以及至少基于所述第一损失值对所述特征提取模型的参数进行调整。
根据本公开的另一方面，提供了一种目标分类方法，包括：基于输入图像，根据本公开的一个或多个实施例的特征提取模型的训练方法获得的特征提取模型，获得输入图像的特征图；以及基于所述特征图获得所述输入图像中目标对象的类型。
根据本公开的另一方面，提供了一种特征提取模型的训练装置，包括：样本图像获得单元，用于获得样本图像；第一视图获得单元，用于对样本图像进行第一处理以获得样本图像的第一视图，所述第一处理包括对所述样本图像进行剪裁；第一特征图获得单元，用于基于所述第一视图，通过所述特征提取模型，获得第一特征图；重建单元，用于基于所述第一特征图获得第一重建视图，所述第一重建视图与所述第一视图具有相同的尺寸；第一损失确定单元，用于基于所述第一视图和所述第一重建视图确定第一损失值；以及调整单元，用于至少基于所述第一损失值对所述特征提取模型的参数进行调整。
根据本公开的另一方面，提供了一种目标分类装置，包括：特征提取单元，用于基于输入图像并且根据本公开的一个或多个实施例的特征提取模型的训练方法获得的特征提取模型，获得输入图像的特征图；以及目标分类单元，用于基于所述特征图获得所述输入图像中目标对象的类型。
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能够执行根据本公开的一个或多个实施例的特征提取模型的训练方法或目标分类方法。
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执行根据本公开的一个或多个实施例的特征提取模型的训练方法或目标分类方法。
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本公开的一个或多个实施例的特征提取模型的训练方法或目标分类方法。
根据本公开的一个或多个实施例，可以在不需要监督的情况下有效地对模型进行训练，获得更加准确的特征提取效果或获得更加准确的目标分类结果。
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特征提取模型的训练方法的流程图；
图3示出了根据本公开的实施例的模型与数据流示意图；
图4示出了根据本公开的另一个实施例的模型与数据流示意图；
图5示出了根据本公开的实施例的目标分类方法的流程图；
图6示出了根据本公开的实施例的特征提取模型的训练装置的结构框图；
图7示出了根据本公开的实施例的目标分类装置的结构框图；
图8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根据本公开的特征提取模型的训练方法或目标分类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还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。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来训练特征提取模型、目标分类、查看训练结果或分类结果等。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、区块链网络、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视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器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使用的数据库例如可以是关系数据库。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。
下面参考图2描述根据本公开的示例性实施例的特征提取模型的训练方法200。
在步骤S201处，获得样本图像。可以理解的是，样本图像可以是未标记的图像。也即，根据本公开的实施例，可以进行无监督学习下的特征提取与识别。
在步骤S202处，对所述样本图像进行第一处理以获得样本图像的第一视图，所述第一处理包括对所述样本图像进行剪裁。
在步骤S203处，基于所述第一视图，通过所述特征提取模型，获得第一特征图。
在步骤S204处，基于所述第一特征图获得第一重建视图，所述第一重建视图与所述第一视图具有相同的尺寸。
在步骤S205处，基于所述第一视图和所述第一重建视图确定第一损失值。
在步骤S206处，至少基于所述第一损失值对所述特征提取模型的参数进行调整。
根据本公开的实施例所述的方法，能够在不需要监督的情况下有效地对模型进行训练，获得更加准确的特征提取效果。
根据本公开的一个或多个实施例，对所述样本图像进行剪裁可以包括对所述样本图像进行随机剪裁以获得第一视图，从而相当于对样本数据进行了随机的数据增强。
根据本公开的一个或多个实施例，能够基于增强的第一视图提取特征图；之后将特征图重建或者调整尺寸(resize)到与第一视图相同的大小，最后并且将第一视图与第一重建视图进行比对。通过这样的增强、重建与比对的过程，对特征提取部分进行训练，尤其是，可以将特征提取部分与原图进行比较，能够使得提取的特征更加准确和稳定。
根据一些实施例，所述第一处理还可以包括：对经剪裁的样本图像进行尺寸调整以获得所述第一视图，所述第一视图具有与所述特征提取模型的输入匹配的尺寸。
例如，可以从样本中随机裁剪区域，并且之后对随机剪裁的样本图像再次进行调整，以获得与特征提取模型的输入相匹配的尺寸和通道数。由此，可以增加数据增强的效果，并且便于后续的模型处理。
根据一些实施例，基于所述第一特征图获得第一重建视图可以包括：基于至少一个重建块对所述第一特征图进行重建，其中，每个重建块包括反卷积层和至少一个卷积层，并且其中，所述方法还包括至少基于所述第一损失值对所述至少一个重建块的参数进行调整。
在这样的实施例中，第一重建视图的获得可以包括一次或多次重建。作为一个具体的非限制性示例，可以包括五个串联连接的重建块来实现重建效果。
参考图3，其中示出了根据本公开的一个可选实施例的数据流示意图300。如图3所示，通过对样本图像301进行裁剪、旋转等第一处理，获得第一视图302。第一视图302被输入到根据本公开的一个或多个实施例的特征提取网络303，以提取第一特征图304。第一特征图此后被输入到重建单元305，从而获得重建视图306。在这里，重建单元也可以被称为上采样单元等，并且本公开不限于此。此后，可以针对第一特征图和重建视图进行损失函数的计算，并且由此进行模型的调整。
根据一些可选的实施例，重建单元可以包括多个重建块3051、3052……305N。可以理解的是，重建单元也可以仅包括一个重建块。作为一个示例形式示例，重建单元可以包括五个重建块以获得收敛性、准确性与效率较为平衡的效果，但是可以理解的是本公开不限于此。
根据一些实施例，每个重建块可以包括反卷积层、至少一个第一卷积层和至少一个第二卷积层，所述第一卷积层的卷积核尺寸大于1，并且所述第二卷积层的卷积核尺寸等于1。继续参考图3，其中示出了重建块3051包括反卷积块30511，三个3×3卷积块30512、30514和30516，以及三个1×1卷积块30513、30515和30517。可以理解的是，以上构成仅为示例。
在这样的示例中，引入卷积核尺寸为1的重建块，打断了连续分辨率改变的卷积或者反卷积过程，可以使得在不改变分辨率的情况下更好地学习到特征。
根据一些实施例，方法200还可以包括：对样本图像进行第二处理以获得样本图像的第二视图，所述第二视图不同于所述第一视图；基于所述第二视图，通过所述特征提取模型，获得第二特征图；以及基于所述第一特征图和所述第二特征图确定第二损失值；并且其中，至少基于所述第一损失值对所述特征提取模型的参数进行调整包括基于所述第一损失值和所述第二损失值对所述特征提取模型的参数进行调整。
对样本图像进行第二增强处理，并且将不同的增强处理的图像进行比较，能够使得学习到的特征更为稳定一致。第二增强处理也可以包括剪裁、旋转等。可以理解的是，为了实现所述第二视图不同于所述第一视图，第二处理可以是与第一视图完全不同的操作，例如，第一视图仅包括剪裁，而第二视图可以附加或替代性地包括旋转或其它数据增强；或者，第二处理可以是第一处理类似的操作，但是参数不同，例如，第一处理与第二处理都包括剪裁操作，但是剪裁处理的参数(例如，图像尺寸)不一样；又或者，第二处理与第一处理可以包括相同的处理和相同的参数，但是随机执行，例如，第一处理与第二处理可以均包括相同图像尺寸的剪裁操作，但是由于随机性，将对样本图像的不同区域执行，等等。可以理解的是，以上仅为示例，并且本公开不限于此。
参考图4，其中示出了根据本公开的另一个可选实施例的数据流示意图400。如图4所示，通过对样本图像401进行第一处理，获得第一视图402。第一视图402被输入到根据本公开的一个或多个实施例的特征提取网络403，以提取第一特征图404。第一特征图此后被输入到重建单元405，从而获得重建视图406。此外，通过对样本图像411进行第二处理，获得第二视图412。第二视图412被输入到根据本公开的一个或多个实施例的特征提取网络413，以提取第二特征图414。
根据一些实施例，基于所述第一特征图和所述第二特征图确定第二损失值可以包括：对所述第一特征图进行映射以获得经映射的第一特征图，并且对所述第二特征图进行映射以获得经映射的第二特征图，所述第一特征图、所述第二特征图和所述样本图像具有相同的尺寸；确定在所述样本图像中的、与所述第一特征图的每个像素对应的区域的坐标作为所述第一特征图的该每个像素的坐标值；确定在所述样本图像中的、与所述第二特征图的每个像素对应的区域的坐标作为所述第二特征图的该每个像素的坐标值；基于所述第一特征图的像素和所述第二特征图的像素获得多个像素对；基于像素对中的两个像素之间的坐标距离，将所述多个像素对分别标记为正像素对和负像素对；以及确定所述第二损失值，使得所述第二损失值指示正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性。
根据这样的实施例，可以在两个增强视图之间建立像素对，将坐标距离近(对应于原图接近的位置)的像素对标记为正像素对，坐标距离远(对应于原图中远离的位置)的像素对标记为负像素对，并且根据损失值调整参数，使得正像素对的特征值相似，负像素对的特征值不相似。
根据一些实施例，确定所述第二损失值还可以包括：在计算正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性时，将每个像素对中的两个像素之间的坐标的距离作为权重。
还考虑像素对之间的距离作为权重，能够起到更好的收敛效果，增加特征提取模型的训练效果。
返回参考图4，第一特征图404还可以被输入到特征平滑单元407，以获得经平滑的第三特征图408。在这样的可选实施例中，方法200还可以包括：对所述第一特征图进行特征平滑操作，以获得第三特征图；以及确定第三损失值，使得所述第三损失值指示所述第三特征图的像素与所述第二特征图的像素形成的多个像素对的每个像素对中的两个像素之间的特征向量的一致性，其中，对所述特征提取模型的参数进行调整还包括基于所述第三损失值对所述特征提取模型的参数进行调整。
根据这样的实施例，可以进一步平滑之后计算像素特征一致性，在过程中计算所有样本对的损失，以区分正负样本，使得收敛更快，特征区分度更明显。
作为一个具体的应用示例，智能交通场景中，往往存在着大量的无标注数据，有标注数据较少，标注成本昂贵。基于大量无标注数据，使用自监督预训练的方法产出预训练模型，在下游密集预测任务例如目标检测、分割等基于有标注数据进行模型微调，提升模型效果是非常重要的。基于像素粒度的对比学习自监督方法，比较适合密集预测任务的模型微调。
下面继续结合图4的数据流示例，描述一个用于基于对比学习自监督方法进行预训练模型训练的具体示例。
参考图4所示，模型输入的样本图像401可以是一张224x224大小的图像。通过随机裁剪的数据增强方式，生成两个视图(view)。
第一视图和第二视图分别通过特征提取网络进行特征提取。特征提取网络403和413可以是相同的网络，或者可选地，特征提取网络413可以是动量编码(momentumencoder)网络。特征提取网络403和413可以由本领域技术人员能够理解的主干网络(backbone)部分和投影(projection)部分构成，并且其结构在此不再赘述。
继续上述示例，在进行特征提取后，分别生成两个7x7x256的特征图，分别为第一特征图(404)x、和第二特征图(414)x’。
可以将第一分支中的第一特征图x进行连续5次上采样(decoder)以获得为原图大小，回归出rgb像素值，将该图和原图的像素进行距离计算。在这里，可以使用L2损失计算损失函数(第一损失值)进行监督，以加强像素级别监督。
之后，可以将x和x’分别映射回原图大小，每个位置分别对应原图中32x32大小的区域。通过计算这些区域的中心点坐标，可得到两个特征图各个像素对应于原图各个区域的中心点坐标，进而得到两个特征图两两相素对的归一化距离。当归一化距离小于τ时，则像素对为负样本对，否则为正样本对。τ可以是本领域技术人员根据需要选取的值。
对特征图x的像素i来说，其对比学习损失(也即，如上文所述的第二损失)可以如下计算：
Figure BDA0003809618460000111
其中
Figure BDA0003809618460000112
和
Figure BDA0003809618460000113
分别为特征图x’中与特征图x中像素i呈正样本对和负样本对的集合，xi、x′j和x′k为第一视图像素i、第二视图像素j和第二视图像素k的特征向量。最终对比学习损失可以是特征图x和x’中每个像素对比学习损失的平均值，通过回传对比学习损失学习特征表示的空间敏感性。
可选地，在进行对比学习计算时可以考虑不同像素对的距离，比如正样本对i和j的归一化距离为d，i的对比损失为
Figure BDA0003809618460000121
根据上文的可选实施例，还可以对特征图x，通过特征平滑单元例如但不限于PPM(金字塔池模块，Pyramid Pooling Module)模块进行特征平滑生成特征图y。之后然后对特征图的x’和y的正样本进行一致性损失计算(也即，如上文所述的第三损失)。
Figure BDA0003809618460000122
可选地，在计算一致性损失时，可以计算所有样本对的损失，以区分正负样本。
如上所述，根据本公开的一个或多个方案可以应用于智能交通场景业务，尤其可以适用于智能交通中的密集预测业务。作为一个具体的非限制性示例，上文的样本图像可以是智能交通相关的图像，包括且不限于路侧设备、车辆等设备采集的图像。
下面参考图5描述根据本公开的示例性实施例的目标分类方法500。
在步骤S501处，基于输入图像，根据本公开的一个或多个实施例的方法获得的特征提取模型，获得输入图像的特征图。
在步骤S502处，基于特征图获得输入图像中目标对象的类型。
作为另一个具体的非限制性示例，根据本公开的实施例的特征提取模型可以进一步与目标分类模型结合，来对图像中的对象类型进行识别，例如，识别图像中的车辆、行人、交通标志等等。
根据本公开的实施例所述的方法，能够获得更加准确的目标分类结果。
现在参考图6描述根据本公开的实施例的特征提取模型的训练装置600。特征提取模型的训练装置600可以包括样本图像获得单元601、第一视图获得单元602、第一特征图获得单元603、重建单元604、第一损失确定单元605和调整单元606。样本图像获得单元601可以用于获得样本图像。第一视图获得单元602可以用于对样本图像进行第一处理以获得样本图像的第一视图，所述第一处理包括对所述样本图像进行剪裁。第一特征图获得单元603可以用于基于所述第一视图，通过所述特征提取模型，获得第一特征图。重建单元604可以用于基于所述第一特征图获得第一重建视图，所述第一重建视图与所述第一视图具有相同的尺寸。第一损失确定单元605可以用于基于所述第一视图和所述第一重建视图确定第一损失值。调整单元606可以用于至少基于所述第一损失值对所述特征提取模型的参数进行调整。
根据本公开的实施例所述的装置，能够在不需要监督的情况下有效地对模型进行训练，获得更加准确的特征提取效果。
根据一些实施例，所述第一处理还可以包括：对所述经剪裁的样本图像进行尺寸调整以获得所述第一视图，所述第一视图具有与所述特征提取模型的输入匹配的尺寸。
由此，可以增加数据增强的效果，并且便于后续的模型处理。
根据一些实施例，所述重建单元可以用于基于至少一个重建块对所述第一特征图进行重建，其中，每个重建块包括反卷积层和至少一个卷积层，并且其中，所述调整单元还用于至少基于所述第一损失值对所述至少一个重建块的参数进行调整。
根据一些实施例，每个重建块可以包括反卷积层、至少一个第一卷积层和至少一个第二卷积层，所述第一卷积层的卷积核尺寸大于1，并且所述第二卷积层的卷积核尺寸等于1。由此，可以使得更好地学习到特征。
根据一些实施例，装置600还可以包括：用于对样本图像进行第二处理以获得样本图像的第二视图的单元，所述第二视图不同于所述第一视图；用于基于所述第二视图，通过所述特征提取模型，获得第二特征图的单元；以及用于基于所述第一特征图和所述第二特征图确定第二损失值的单元；并且其中，所述调整单元用于基于所述第一损失值和所述第二损失值对所述特征提取模型的参数进行调整。由此，能够使得学习到的特征更为稳定一致。
根据一些实施例，用于基于所述第一特征图和所述第二特征图确定第二损失值的单元可以包括用于以下操作的单元：对所述第一特征图进行映射以获得经映射的第一特征图，并且对所述第二特征图进行映射以获得经映射的第二特征图，所述第一特征图、所述第二特征图和所述样本图像具有相同的尺寸；确定在所述样本图像中的、与所述第一特征图的每个像素对应的区域的坐标作为所述第一特征图的该每个像素的坐标值；确定在所述样本图像中的、与所述第二特征图的每个像素对应的区域的坐标作为所述第二特征图的该每个像素的坐标值；基于所述第一特征图的像素和所述第二特征图的像素获得多个像素对；基于像素对中的两个像素之间的坐标距离，将所述多个像素对分别标记为正像素对和负像素对；以及确定所述第二损失值，使得所述第二损失值指示正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性。
根据一些实施例，确定所述第二损失值还可以包括：在计算正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性时，将每个像素对中的两个像素之间的坐标的距离作为权重。
现在参考图7描述根据本公开的实施例的目标分类装置700。目标分类装置700可以包括特征提取单元701和目标分类单元702。特征提取单元701可以用于基于输入图像并且根据本公开的一个或多个特征提取模型训练方法获得的特征提取模型，获得输入图像的特征图。目标分类单元702可以用于基于所述特征图获得所述输入图像中目标对象的类型。
根据本公开的实施例所述的装置，能够获得更加准确的目标分类结果。
本公开的技术方案中，所涉及的用户个人信息的收集、获取，存储、使用、加工、传输、提供和公开应用等处理，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，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。
参考图8，现将描述可以作为本公开的服务器或客户端的电子设备800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8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备，输入单元806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807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、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800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801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801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801执行上文所描述的各个方法和处理，例如方法200和/或500及其变型例等。例如，在一些实施例中，方法200和/或500及其变型例等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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的方法200和/或500及其变型例等的一个或多个步骤。备选地，在其他实施例中，计算单元801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和/或500及其变型例等。
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)、复杂可编程逻辑设备(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 (20)

1.一种特征提取模型的训练方法，包括：
获得样本图像；
对所述样本图像进行第一处理以获得样本图像的第一视图，所述第一处理包括对所述样本图像进行剪裁；
基于所述第一视图，通过特征提取模型，获得第一特征图；
基于所述第一特征图获得第一重建视图，所述第一重建视图与所述第一视图具有相同的尺寸；
基于所述第一视图和所述第一重建视图确定第一损失值；以及
至少基于所述第一损失值对所述特征提取模型的参数进行调整。
2.根据权利要求1所述的方法，其中，所述第一处理还包括：对经剪裁的样本图像进行尺寸调整以获得所述第一视图，所述第一视图具有与所述特征提取模型的输入匹配的尺寸。
3.根据权利要求2所述的方法，其中，基于所述第一特征图获得第一重建视图包括：基于至少一个重建块对所述第一特征图进行重建，其中，每个重建块包括反卷积层和至少一个卷积层，并且其中，所述方法还包括至少基于所述第一损失值对所述至少一个重建块的参数进行调整。
4.根据权利要求3所述的方法，其中，每个重建块包括反卷积层、至少一个第一卷积层和至少一个第二卷积层，所述第一卷积层的卷积核尺寸大于1，并且所述第二卷积层的卷积核尺寸等于1。
5.根据权利要求1-4中任一项所述的方法，还包括：
对样本图像进行第二处理以获得样本图像的第二视图，所述第二视图不同于所述第一视图；
基于所述第二视图，通过所述特征提取模型，获得第二特征图；以及
基于所述第一特征图和所述第二特征图确定第二损失值；并且
其中，至少基于所述第一损失值对所述特征提取模型的参数进行调整包括基于所述第一损失值和所述第二损失值对所述特征提取模型的参数进行调整。
6.根据权利要求5所述的方法，其中，基于所述第一特征图和所述第二特征图确定第二损失值包括：
对所述第一特征图进行映射以获得经映射的第一特征图，并且对所述第二特征图进行映射以获得经映射的第二特征图，所述第一特征图、所述第二特征图和所述样本图像具有相同的尺寸；
确定在所述样本图像中的、与所述第一特征图的每个像素对应的区域的坐标作为所述第一特征图的该每个像素的坐标值；
确定在所述样本图像中的、与所述第二特征图的每个像素对应的区域的坐标作为所述第二特征图的该每个像素的坐标值；
基于所述第一特征图的像素和所述第二特征图的像素获得多个像素对；
基于像素对中的两个像素之间的坐标距离，将所述多个像素对分别标记为正像素对和负像素对；以及
确定所述第二损失值，使得所述第二损失值指示正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性。
7.根据权利要求6所述的方法，其中，确定所述第二损失值还包括：在计算正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性时，将每个像素对中的两个像素之间的坐标的距离作为权重。
8.根据权利要求5-7中任一项所述的方法，还包括：
对所述第一特征图进行特征平滑操作，以获得第三特征图；以及
确定第三损失值，使得所述第三损失值指示所述第三特征图的像素与所述第二特征图的像素形成的多个像素对的每个像素对中的两个像素之间的特征向量的一致性，
其中，对所述特征提取模型的参数进行调整还包括基于所述第三损失值对所述特征提取模型的参数进行调整。
9.一种目标分类方法，包括：
基于输入图像，根据权利要求1-8中任一项所述的方法获得的特征提取模型，获得输入图像的特征图；以及
基于所述特征图获得所述输入图像中目标对象的类型。
10.一种特征提取模型的训练装置，包括：
样本图像获得单元，用于获得样本图像；
第一视图获得单元，用于对样本图像进行第一处理以获得样本图像的第一视图，所述第一处理包括对所述样本图像进行剪裁；
第一特征图获得单元，用于基于所述第一视图，通过特征提取模型，获得第一特征图；
重建单元，用于基于所述第一特征图获得第一重建视图，所述第一重建视图与所述第一视图具有相同的尺寸；
第一损失确定单元，用于基于所述第一视图和所述第一重建视图确定第一损失值；以及
调整单元，用于至少基于所述第一损失值对所述特征提取模型的参数进行调整。
11.根据权利要求10所述的装置，其中，所述第一处理还包括：对所述经剪裁的样本图像进行尺寸调整以获得所述第一视图，所述第一视图具有与所述特征提取模型的输入匹配的尺寸。
12.根据权利要求11所述的装置，其中，所述重建单元用于基于至少一个重建块对所述第一特征图进行重建，其中，每个重建块包括反卷积层和至少一个卷积层，并且其中，所述调整单元还用于至少基于所述第一损失值对所述至少一个重建块的参数进行调整。
13.根据权利要求12所述的装置，其中，每个重建块包括反卷积层、至少一个第一卷积层和至少一个第二卷积层，所述第一卷积层的卷积核尺寸大于1，并且所述第二卷积层的卷积核尺寸等于1。
14.根据权利要求10-13中任一项所述的装置，还包括：
用于对样本图像进行第二处理以获得样本图像的第二视图的单元，所述第二视图不同于所述第一视图；
用于基于所述第二视图，通过所述特征提取模型，获得第二特征图的单元；以及
用于基于所述第一特征图和所述第二特征图确定第二损失值的单元；并且
其中，所述调整单元用于基于所述第一损失值和所述第二损失值对所述特征提取模型的参数进行调整。
15.根据权利要求14所述的装置，其中，用于基于所述第一特征图和所述第二特征图确定第二损失值的单元包括用于以下操作的单元：
对所述第一特征图进行映射以获得经映射的第一特征图，并且对所述第二特征图进行映射以获得经映射的第二特征图，所述第一特征图、所述第二特征图和所述样本图像具有相同的尺寸；
确定在所述样本图像中的、与所述第一特征图的每个像素对应的区域的坐标作为所述第一特征图的该每个像素的坐标值；
确定在所述样本图像中的、与所述第二特征图的每个像素对应的区域的坐标作为所述第二特征图的该每个像素的坐标值；
基于所述第一特征图的像素和所述第二特征图的像素获得多个像素对；
基于像素对中的两个像素之间的坐标距离，将所述多个像素对分别标记为正像素对和负像素对；以及
确定所述第二损失值，使得所述第二损失值指示正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性。
16.根据权利要求15所述的装置，其中，确定所述第二损失值还包括：在计算正像素对中的两个像素之间特征向量的相似性以及负像素对中的两个像素之间的特征向量的不相似性时，将每个像素对中的两个像素之间的坐标的距离作为权重。
17.一种目标分类装置，包括：
特征提取单元，用于基于输入图像并且根据权利要求1-8中任一项所述的方法获得的特征提取模型，获得输入图像的特征图；以及
目标分类单元，用于基于所述特征图获得所述输入图像中目标对象的类型。
18.一种电子设备，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1-8或权利要求9中任一项所述的方法。
19.一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1-8或权利要求9中任一项所述的方法。
20.一种计算机程序产品，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1-8或权利要求9中任一项所述的方法。
CN202211007593.5A 2022-08-22 2022-08-22 特征提取模型的训练方法、目标分类方法、装置、设备 Active CN115331077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211007593.5A CN115331077B (zh) 2022-08-22 2022-08-22 特征提取模型的训练方法、目标分类方法、装置、设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211007593.5A CN115331077B (zh) 2022-08-22 2022-08-22 特征提取模型的训练方法、目标分类方法、装置、设备

Publications (2)

Publication Number Publication Date
CN115331077A true CN115331077A (zh) 2022-11-11
CN115331077B CN115331077B (zh) 2024-04-26

Family

ID=83925303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211007593.5A Active CN115331077B (zh) 2022-08-22 2022-08-22 特征提取模型的训练方法、目标分类方法、装置、设备

Country Status (1)

Country Link
CN (1) CN115331077B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977683A (zh) * 2017-12-20 2018-05-01 南京大学 基于卷积特征提取和机器学习的联合sar目标识别方法
CN110348572A (zh) * 2019-07-09 2019-10-18 上海商汤智能科技有限公司 神经网络模型的处理方法及装置、电子设备、存储介质
CN112419219A (zh) * 2020-11-25 2021-02-26 广州虎牙科技有限公司 图像增强模型训练方法、图像增强方法以及相关装置
CN113436105A (zh) * 2021-06-30 2021-09-24 北京百度网讯科技有限公司 模型训练和图像优化方法、装置、电子设备及存储介质
CN113515980A (zh) * 2020-05-20 2021-10-19 阿里巴巴集团控股有限公司 模型训练方法、装置、设备和存储介质
CN113591918A (zh) * 2021-06-29 2021-11-02 北京百度网讯科技有限公司 图像处理模型的训练方法、图像处理方法、装置和设备
WO2022057837A1 (zh) * 2020-09-16 2022-03-24 广州虎牙科技有限公司 图像处理和人像超分辨率重建及模型训练方法、装置、电子设备及存储介质
CN114511758A (zh) * 2022-01-28 2022-05-17 北京百度网讯科技有限公司 图像识别方法及装置、电子设备和介质
CN114549728A (zh) * 2022-03-25 2022-05-27 北京百度网讯科技有限公司 图像处理模型的训练方法、图像处理方法、装置及介质
CN114693685A (zh) * 2022-06-02 2022-07-01 深圳市华汉伟业科技有限公司 无监督的缺陷检测模型的训练方法、缺陷检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977683A (zh) * 2017-12-20 2018-05-01 南京大学 基于卷积特征提取和机器学习的联合sar目标识别方法
CN110348572A (zh) * 2019-07-09 2019-10-18 上海商汤智能科技有限公司 神经网络模型的处理方法及装置、电子设备、存储介质
CN113515980A (zh) * 2020-05-20 2021-10-19 阿里巴巴集团控股有限公司 模型训练方法、装置、设备和存储介质
WO2022057837A1 (zh) * 2020-09-16 2022-03-24 广州虎牙科技有限公司 图像处理和人像超分辨率重建及模型训练方法、装置、电子设备及存储介质
CN112419219A (zh) * 2020-11-25 2021-02-26 广州虎牙科技有限公司 图像增强模型训练方法、图像增强方法以及相关装置
CN113591918A (zh) * 2021-06-29 2021-11-02 北京百度网讯科技有限公司 图像处理模型的训练方法、图像处理方法、装置和设备
CN113436105A (zh) * 2021-06-30 2021-09-24 北京百度网讯科技有限公司 模型训练和图像优化方法、装置、电子设备及存储介质
CN114511758A (zh) * 2022-01-28 2022-05-17 北京百度网讯科技有限公司 图像识别方法及装置、电子设备和介质
CN114549728A (zh) * 2022-03-25 2022-05-27 北京百度网讯科技有限公司 图像处理模型的训练方法、图像处理方法、装置及介质
CN114693685A (zh) * 2022-06-02 2022-07-01 深圳市华汉伟业科技有限公司 无监督的缺陷检测模型的训练方法、缺陷检测方法

Also Published As

Publication number Publication date
CN115331077B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
CN114511758A (zh) 图像识别方法及装置、电子设备和介质
CN114648638A (zh) 语义分割模型的训练方法、语义分割方法与装置
CN115438214B (zh) 处理文本图像的方法及装置、神经网络的训练方法
CN114743196B (zh) 文本识别的方法及装置、神经网络的训练方法
CN112857268B (zh) 对象面积测量方法、装置、电子设备和存储介质
CN115422389B (zh) 处理文本图像的方法及装置、神经网络的训练方法
CN112967196A (zh) 图像修复方法及装置、电子设备和介质
CN112967355A (zh) 图像填充方法及装置、电子设备和介质
JP2023527615A (ja) 目標対象検出モデルのトレーニング方法、目標対象検出方法、機器、電子機器、記憶媒体及びコンピュータプログラム
CN117274491A (zh) 三维重建模型的训练方法、装置、设备和介质
CN115082740A (zh) 目标检测模型训练方法、目标检测方法、装置、电子设备
CN114550313A (zh) 图像处理方法、神经网络及其训练方法、设备和介质
CN114723949A (zh) 三维场景分割方法和用于训练分割模型的方法
CN115661375B (zh) 三维发型生成方法、装置、电子设备和存储介质
CN116245998A (zh) 渲染贴图生成方法及装置、模型训练方法及装置
CN115797660A (zh) 图像检测方法、装置、电子设备和存储介质
CN115393514A (zh) 三维重建模型的训练方法、三维重建方法、装置、设备
CN115331077B (zh) 特征提取模型的训练方法、目标分类方法、装置、设备
CN114429678A (zh) 模型训练方法及装置、电子设备和介质
CN114092556A (zh) 用于确定人体姿态的方法、装置、电子设备、介质
CN113610856A (zh) 训练图像分割模型和图像分割的方法和装置
CN115423827B (zh) 图像处理方法、装置、电子设备和存储介质
CN115511779B (zh) 图像检测方法、装置、电子设备和存储介质
CN115131562B (zh) 三维场景分割方法、模型训练方法、装置和电子设备
CN116311271B (zh) 文本图像的处理方法及装置

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