CN115690422A - 目标对象的分割结果确定方法、装置及电子设备 - Google Patents
目标对象的分割结果确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115690422A CN115690422A CN202211377524.3A CN202211377524A CN115690422A CN 115690422 A CN115690422 A CN 115690422A CN 202211377524 A CN202211377524 A CN 202211377524A CN 115690422 A CN115690422 A CN 115690422A
- Authority
- CN
- China
- Prior art keywords
- target
- feature
- image frame
- segmentation result
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012937 correction Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 122
- 238000013507 mapping Methods 0.000 claims description 58
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 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
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect 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
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开提供了一种目标对象的分割结果确定方法、装置及电子设备,涉及人工智能技术领域,尤其涉及深度学习、图像处理、计算机视觉技术领域,可应用于物体视频处理等场景中,目标对象的分割结果确定方法,包括:获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定;根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征;根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习、图像处理、计算机视觉技术领域,可应用于物体视频处理等场景中,具体涉及一种目标对象的分割结果确定方法、装置及电子设备。
背景技术
随着人工智能技术的发展与应用,人工智能技术越来越多的应用到各个领域。当前图像帧可以采用人工智能技术完成对目标的分割。当前通常直接采用时空记忆网络(Space-Time Memory Networks,STM)来确定目标对象的分割结果。
发明内容
本公开提供了一种目标对象的分割结果确定方法、装置及电子设备。
根据本公开的第一方面,提供了一种目标对象的分割结果确定方法,包括:
获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定,所述历史图像帧和所述目标图像帧均为目标视频包括的图像帧,且所述历史图像帧在所述目标视频中的播放顺序位于所述目标图像帧之前;
根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征;
根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
根据本公开的第二方面,提供了一种目标对象的分割结果确定装置,包括:
获取模块,用于获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定,所述历史图像帧和所述目标图像帧均为目标视频包括的图像帧,且所述历史图像帧在所述目标视频中的播放顺序位于所述目标图像帧之前;
第一确定模块,用于根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征;
校正模块,用于根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
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
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面中的任一项方法。
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,该计算机指令用于使计算机执行第一方面中的任一项方法。
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,该计算机程序在被处理器执行时实现第一方面中的任一项方法。
在本公开实施例中,获取目标图像帧中目标对象的预测分割结果和目标图像帧的实例特征,根据预测分割结果和实例特征,确定目标图像帧的校正实例特征,根据校正实例特征对预先获取的目标匹配特征进行校正,得到目标图像帧中的目标对象的目标分割结果,这样,通过校正实例特征对目标匹配特征进行校正之后得到的目标分割结果,由于最终得到的目标分割结果有效利用了校正实例特征的信息,从而可以减少目标分割结果中目标对象被遮挡、噪声过多导致目标对象的分割结果的准确度较差的现象的出现,增强了目标对象的目标分割结果的准确度。
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
图1是本公开实施例提供的一种目标对象的分割结果确定方法的流程图;
图2是本公开实施例提供的一种目标对象的分割结果的示意图;
图3是本公开实施例提供的另一种目标对象的分割结果的示意图;
图4是本公开实施例提供的一种目标对象的分割结果确定装置的结构示意图;
图5是本公开实施例提供的一种目标对象的分割结果确定装置中校正模块的结构示意图;
图6是本公开实施例提供的另一种目标对象的分割结果确定装置的结构示意图;
图7是本公开实施例提供的一种目标对象的分割结果确定装置中第二确定模块的结构示意图;
图8是用来实施本公开的实施例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。
在当前的视频的图像帧中目标对象的分割方法中,目标对象容易被遮挡,或者图像帧中干扰对象(如噪声)较多,导致对图像帧中目标对象的分割准确度较低,即导致对目标对象的分割效果较差。为了解决上述问题,本公开实施例提出了以下解决方案:
参见图1,图1为本公开实施例提供的一种目标对象的分割结果确定方法的流程图,如图1所示,目标对象的分割结果确定方法,包括如下步骤:
步骤S101、获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定,所述历史图像帧和所述目标图像帧均为目标视频包括的图像帧,且所述历史图像帧在所述目标视频中的播放顺序位于所述目标图像帧之前。
其中,目标图像帧可以被称作为当前帧、待分割图像帧或者待处理图像帧等,而目标对象的具体内容在此不做限定,可选地,目标对象可以为人脸图像或者自动驾驶车辆等。
其中,目标图像帧中目标对象的预测分割结果可以根据历史图像帧目标对象的分割结果确定,可以参见以下表述:
当历史图像帧的数量为一帧,且历史图像帧在目标视频中的播放时刻与目标图像帧的播放时刻之间的差值小于预设差值时,可以直接将历史图像帧的目标对象的分割结果确定为目标图像帧的预测分割结果。
当历史图像帧的数量为一帧,且历史图像帧在目标视频中的播放时刻与目标图像帧的播放时刻之间的差值大于或等于预设差值时,可以将历史图像帧的目标对象的分割结果进行修正,并将修正之后的分割结果确定为目标图像帧的预测分割结果,而上述修正方式在此不做限定,例如:可以将分割结果中位置分布比较离散的对象进行消除,或者,将该对象移动至位置分布比较集中的区域。
当历史图像帧的数量为多帧(例如:可以为目标视频中播放顺序位于目标图像帧之前的至少部分图像帧),可以将上述多帧历史图像帧中目标对象的分割结果进行平均化处理,并将平均化处理之后的分割结果确定为目标图像帧中目标对象的预测分割结果。
其中,目标图像帧的实例特征也可以被称作为实例、实例空间或者实例空间特征向量,而实例特征可以采用inst表示。
作为一种可选的实施方式,还包括:
对所述目标图像帧和所述历史图像帧分别进行采样,得到第一特征向量和第二特征向量,所述第一特征向量与所述目标图像帧对应,所述第二特征向量与所述历史图像帧对应;
对所述第一特征向量和所述第二特征向量分别进行映射,得到第一映射空间特征和第二映射空间特征,所述第一映射空间特征与所述目标图像帧对应,所述第二映射空间特征与所述历史图像帧对应
根据所述第一映射空间特征和所述第二映射空间特征确定所述目标匹配特征;
其中,所述第一映射空间特征和所述第二映射空间特征均包括如下中的至少一项:键空间特征向量、值空间特征向量和实例空间特征向量。
其中,键空间特征向量可以被称作为键空间或者键,可以用key表示;值空间特征向量可以被称作为值空间或者值,可以用value表示;实例空间特征向量可以被称作为实例或者实例空间,可以用inst表示。
其中,对目标图像帧和历史图像帧的采样方式在此不做限定,可选地,可以分别对目标图像帧和历史图像帧分别进行16倍下采样,得到的第一特征向量和第二特征向量分别可以被称作为特征空间f16或者特征空间向量f16,而f16可以经过卷积层分别进行映射,从而得到第一映射空间特征和第二映射空间特征。
需要说明的是,上述目标图像帧和历史图像帧进行下采样时的倍数在此不做限定,可选地,上述目标图像帧和历史图像帧也可以进行64倍下采样;上述f16经过卷积层进行映射时,卷积层的层数在此也不做限定,可选地,上述卷积层的数量可以为3个,且3个卷积层可以不同。
本公开实施方式中,由于第一映射空间特征和第二映射空间特征均包括如下中的至少一项:键空间特征向量、值空间特征向量和实例空间特征向量,这样,当第一映射空间特征和第二映射空间特征包括的特征向量越多,则根据第一映射空间特征和第二映射空间特征确定的目标匹配特征的准确度越高。
需要说明的是,根据第一映射空间特征和第二映射空间特征确定目标匹配特征的具体方式在此不做限定。
作为一种可选的实施方式,所述第一映射空间特征包括:第一键空间特征向量和第一值空间特征向量,所述第二映射空间特征均包括:第二键空间特征向量和第二值空间特征向量;所述根据所述第一映射空间特征和所述第二映射空间特征确定所述目标匹配特征,包括:
将所述第一键空间特征向量和所述第二键空间特征向量进行匹配,得到相似矩阵;
将所述相似矩阵与所述第一值空间特征向量进行加权,得到加权向量;
根据所述加权向量和所述第二值空间特征向量确定所述目标匹配特征。
其中,可以将第一键空间特征向量和第二键空间特征向量逐像素进行匹配,从而得到相似矩阵,而相似矩阵可以采用aff表示。
其中,相似矩阵aff与历史图像帧的第一值空间特征向量value进行加权,得到加权向量,可以参见以下表述:可以将相似矩阵aff对应的加权向量与历史图像帧的第一值空间特征向量value对应的加权向量进行相加。当然,加权向量的计算方式也可以为其他方式。
需要说明的是,根据加权向量和第二值空间特征向量确定目标匹配特征的具体方式在此不做限定,可选地,可以将加权向量和第二值空间特征向量进行拼接后获得目标匹配特征,上述拼接也可以被称作为相加或者concat。可选地,也可以将加权向量和第二值空间特征向量进行其他处理,以得到目标匹配特征,其他处理可以包括相减等方式。
本公开实施方式中,根据加权向量和第二值空间特征向量确定目标匹配特征,这样,可以进一步增强目标匹配特征的准确度。
步骤S102、根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征。
其中,预测分割结果可以用mask表示,而实例特征可以用inst表示,则校正实例特征可以采用inst_at或者inst att表示。
步骤S103、根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
其中,目标匹配特征可以理解为根据目标图像帧中的目标对象与历史图像帧中的目标对象进行匹配,从而得到的目标对象的分割结果,而上述目标匹配特征也可以被称作为目标对象的匹配结果,上述目标匹配特征可以采用q_v1进行表示。
本公开实施例中,通过步骤S101至S103,通过校正实例特征对目标匹配特征进行校正之后得到的目标分割结果,由于最终得到的目标分割结果有效利用了校正实例特征的信息,从而可以减少目标分割结果中目标对象被遮挡、噪声过多导致目标对象的分割结果的准确度较差的现象的出现,增强了目标对象的目标分割结果的准确度。
作为一种可选的实施方式,所述获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,包括:
通过分割网络包括的第一网络获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述分割网络还包括第二网络;
所述根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到目标分割结果,包括:
将所述校正实例特征和预先获取的所述目标匹配特征输入至所述第二网络中,在所述第二网络中根据所述校正实例特征对所述目标匹配特征进行校正,得到所述目标分割结果。
其中,第一网络还可以执行根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征的步骤。
本公开实施方式中,分割网络可以包括第一网络和第二网络,而分割网络也可以被称作为分割网络模型,这样,通过第一网络获取目标图像帧中目标对象的预测分割结果和目标图像帧的实例特征,在第二网络中根据校正实例特征对目标匹配特征进行校正,得到目标分割结果,即第一网络和第二网络分工协作得到目标分割结果,提高了目标分割结果的获取效率。
作为一种可选的实施方式,所述根据所述校正实例特征对所述目标匹配特征进行校正,得到所述目标分割结果,包括:
通过所述第二网络对所述目标匹配特征逐层进行特征提取,得到所述目标分割结果;
其中,在所述第二网络中,每一层将提取的特征经过所述校正实例特征进行校正得到校正特征,且下一层待提取的特征为上一层的校正特征。
其中,在第二网络中,目标匹配特征可以经过多层特征提取,而在进行每一层特征提取时,每一层待提取的特征可以是上一层提取得到的特征经过校正实例特征校正之后得到的校正特征。
其中,目标分割结果可以理解为第二网络中最后一层提取得到的特征。
本公开实施方式中,通过第二网络对目标匹配特征逐层进行特征提取,且下一层待提取的特征为上一层的提取的特征经过校正实例特征进行校正得到校正特征,即通过逐层特征提取,且每一层的特征均需要通过校正实例特征进行校正,从而可以使得最终得到的目标分割结果的准确度更高。
也就是说:在本公开实施方式中,通过校正实例特征可以对目标匹配特征中包括的每一个特征进行通道(channel)维度的校正,从而增强目标分割结果的准确度。
需要说明的是,第一网络和第二网络的具体类型在此不做限定。
作为一种可选的实施方式,所述第一网络为骨干backbone网络,所述第二网络为解码器decoder网络。
本公开实施方式中,第一网络为backbone网络,所述第二网络为decoder网络,这样,使得第一网络和第二网络的使用成本较低,且协同工作的效果较好,从而使得校正实例特征对目标匹配特征的校正效果较为稳定。
可选地,当第二网络为decoder网络时,可以将校正实例特征inst att和预先获取的目标匹配特征q_v1输入至第二网络中,并在第二网络中使用inst att对目标匹配特征q_v1中每一层提取得到的特征进行校正,最终得到目标分割结果,而目标分割结果也可以采用mask表示。
另外,第一网络和第二网络也可以为其他网络,具体在此不做限定。
作为一种可选的实施方式,所述根据所述预测分割结果和所述实例特征确定校正实例特征,包括:
将所述预测分割结果按照所述实例特征的尺寸进行归一化处理,得到修正分割结果;
确定所述修正分割结果与所述实例特征的乘积向量;
将所述乘积向量进行维度压缩,并根据所述预测分割结果和维度压缩后的乘积向量确定所述校正实例特征。
其中,预测分割结果可以采用mask表示,实例特征可以采用inst表示,而将预测分割结果按照实例特征的尺寸进行归一化处理,得到修正分割结果,可以理解为:将预测分割结果mask压缩至inst的尺寸,以得到修正分割结果mask。
确定所述修正分割结果与所述实例特征的乘积向量,可以理解为:将修正分割结果mask与实例特征inst相乘,得到乘积向量mask*inst。
乘积向量mask*inst可以包括多维度的尺寸,多维度可以包括长、宽和高等维度,可以将乘积向量mask*inst中的部分维度进行压缩。
根据预测分割结果和维度压缩后的乘积向量确定校正实例特征,可以按照以下理解:将sum(mask*inst)/sum(mask)确定为校正实例特征,在上述计算公式中,sum可以理解为求和,mask*inst可以理解为维度压缩后的乘积向量,mask可以理解为预测分割结果。
当然,根据预测分割结果和维度压缩后的乘积向量确定校正实例特征还可以采用其他方式,在此并不限定。
本公开实施方式中,可以使得计算得到的校正实例特征受其他因素的干扰较少,即使得校正实例特征的准确度较高。
需要说明的是,参见图2和图3,图2为采用现有技术得到的目标图像帧的中目标对象201的目标分割结果,可见,图2中得到的目标对象201较为分散,即分割效果较差;参见图3,图3为采用本公开实施方式得到的目标图像帧的中目标对象301的目标分割结果,可见,图3中得到的目标对象301较为集中,且目标对象301的轮廓更清洗,即本公开实施方式对目标对象的分割效果比现有技术中对目标对象的分割效果更好。
参见图4,图4为本公开实施例提供的一种目标对象的分割结果确定装置的结构示意图,如图4所示,目标对象的分割结果确定装置400,包括:
获取模块401,用于获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定,所述历史图像帧和所述目标图像帧均为目标视频包括的图像帧,且所述历史图像帧在所述目标视频中的播放顺序位于所述目标图像帧之前;
第一确定模块402,用于根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征;
校正模块403,用于根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
作为一种可选的实施方式,所述获取模块401,还用于通过分割网络包括的第一网络获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述分割网络还包括第二网络;
所述校正模块403,还用于将所述校正实例特征和预先获取的所述目标匹配特征输入至所述第二网络中,在所述第二网络中根据所述校正实例特征对所述目标匹配特征进行校正,得到所述目标分割结果。
作为一种可选的实施方式,所述校正模块403,还用于通过所述第二网络对所述目标匹配特征逐层进行特征提取,得到所述目标分割结果;
其中,在所述第二网络中,每一层将提取的特征经过所述校正实例特征进行校正得到校正特征,且下一层待提取的特征为上一层的校正特征。
作为一种可选的实施方式,所述第一网络为backbone网络,所述第二网络为decoder网络。
作为一种可选的实施方式,参见图5,所述校正模块403,包括:
处理子模块4031,用于将所述预测分割结果按照所述实例特征的尺寸进行归一化处理,得到修正分割结果;
第一确定子模块4032,用于确定所述修正分割结果与所述实例特征的乘积向量;
第二确定子模块4033,用于将所述乘积向量进行维度压缩,并根据所述预测分割结果和维度压缩后的乘积向量确定所述校正实例特征。
作为一种可选的实施方式,参见图6,目标对象的分割结果确定装置400,还包括:
采样模块404,用于对所述目标图像帧和所述历史图像帧分别进行采样,得到第一特征向量和第二特征向量,所述第一特征向量与所述目标图像帧对应,所述第二特征向量与所述历史图像帧对应;
映射模块405,用于对所述第一特征向量和所述第二特征向量分别进行映射,得到第一映射空间特征和第二映射空间特征,所述第一映射空间特征与所述目标图像帧对应,所述第二映射空间特征与所述历史图像帧对应
第二确定模块406,用于根据所述第一映射空间特征和所述第二映射空间特征确定所述目标匹配特征;
其中,所述第一映射空间特征和所述第二映射空间特征均包括如下中的至少一项:键空间特征向量、值空间特征向量和实例空间特征向量。
作为一种可选的实施方式,参见图7,所述第一映射空间特征包括:第一键空间特征向量和第一值空间特征向量,所述第二映射空间特征均包括:第二键空间特征向量和第二值空间特征向量;所述第二确定模块406,包括:
匹配子模块4061,用于将所述第一键空间特征向量和所述第二键空间特征向量进行匹配,得到相似矩阵;
加权子模块4062,用于将所述相似矩阵与所述第一值空间特征向量进行加权,得到加权向量;
第三确定子模块4063,用于根据所述加权向量和所述第二值空间特征向量确定所述目标匹配特征。
本公开提供的目标对象的分割结果确定装置400能够实现目标对象的分割结果确定方法实施例实现的各个过程,且能够达到相同的有益效果,为避免重复,这里不再赘述。
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。
图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示,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。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备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。
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,例如目标对象的分割结果确定方法。例如,在一些实施例中,目标对象的分割结果确定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目标对象的分割结果确定方法的一个或多个步骤。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)而被配置为执行目标对象的分割结果确定方法。
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、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)
1.一种目标对象的分割结果确定方法,包括:
获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定,所述历史图像帧和所述目标图像帧均为目标视频包括的图像帧,且所述历史图像帧在所述目标视频中的播放顺序位于所述目标图像帧之前;
根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征;
根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
2.根据权利要求1所述的方法,其中,所述获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,包括:
通过分割网络包括的第一网络获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述分割网络还包括第二网络;
所述根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到目标分割结果,包括:
将所述校正实例特征和预先获取的所述目标匹配特征输入至所述第二网络中,在所述第二网络中根据所述校正实例特征对所述目标匹配特征进行校正,得到所述目标分割结果。
3.根据权利要求2所述的方法,其中,所述根据所述校正实例特征对所述目标匹配特征进行校正,得到所述目标分割结果,包括:
通过所述第二网络对所述目标匹配特征逐层进行特征提取,得到所述目标分割结果;
其中,在所述第二网络中,每一层将提取的特征经过所述校正实例特征进行校正得到校正特征,且下一层待提取的特征为上一层的校正特征。
4.根据权利要求2所述的方法,其中,所述第一网络为骨干backbone网络,所述第二网络为解码器decoder网络。
5.根据权利要求1至4中任一项所述的方法,其中,所述根据所述预测分割结果和所述实例特征确定校正实例特征,包括:
将所述预测分割结果按照所述实例特征的尺寸进行归一化处理,得到修正分割结果;
确定所述修正分割结果与所述实例特征的乘积向量;
将所述乘积向量进行维度压缩,并根据所述预测分割结果和维度压缩后的乘积向量确定所述校正实例特征。
6.根据权利要求1至4中任一项所述的方法,还包括:
对所述目标图像帧和所述历史图像帧分别进行采样,得到第一特征向量和第二特征向量,所述第一特征向量与所述目标图像帧对应,所述第二特征向量与所述历史图像帧对应;
对所述第一特征向量和所述第二特征向量分别进行映射,得到第一映射空间特征和第二映射空间特征,所述第一映射空间特征与所述目标图像帧对应,所述第二映射空间特征与所述历史图像帧对应
根据所述第一映射空间特征和所述第二映射空间特征确定所述目标匹配特征;
其中,所述第一映射空间特征和所述第二映射空间特征均包括如下中的至少一项:键空间特征向量、值空间特征向量和实例空间特征向量。
7.根据权利要求6所述的方法,其中,所述第一映射空间特征包括:第一键空间特征向量和第一值空间特征向量,所述第二映射空间特征均包括:第二键空间特征向量和第二值空间特征向量;所述根据所述第一映射空间特征和所述第二映射空间特征确定所述目标匹配特征,包括:
将所述第一键空间特征向量和所述第二键空间特征向量进行匹配,得到相似矩阵;
将所述相似矩阵与所述第一值空间特征向量进行加权,得到加权向量;
根据所述加权向量和所述第二值空间特征向量确定所述目标匹配特征。
8.一种目标对象的分割结果确定装置,包括:
获取模块,用于获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述预测分割结果根据历史图像帧中所述目标对象的分割结果确定,所述历史图像帧和所述目标图像帧均为目标视频包括的图像帧,且所述历史图像帧在所述目标视频中的播放顺序位于所述目标图像帧之前;
第一确定模块,用于根据所述预测分割结果和所述实例特征,确定所述目标图像帧的校正实例特征;
校正模块,用于根据所述校正实例特征对预先获取的目标匹配特征进行校正,得到所述目标图像帧中的所述目标对象的目标分割结果,其中,所述目标匹配特征为所述目标图像帧与所述历史图像帧确定的匹配特征。
9.根据权利要求8所述的装置,其中,所述获取模块,还用于通过分割网络包括的第一网络获取目标图像帧中目标对象的预测分割结果和所述目标图像帧的实例特征,所述分割网络还包括第二网络;
所述校正模块,还用于将所述校正实例特征和预先获取的所述目标匹配特征输入至所述第二网络中,在所述第二网络中根据所述校正实例特征对所述目标匹配特征进行校正,得到所述目标分割结果。
10.根据权利要求9所述的装置,其中,所述校正模块,还用于通过所述第二网络对所述目标匹配特征逐层进行特征提取,得到所述目标分割结果;
其中,在所述第二网络中,每一层将提取的特征经过所述校正实例特征进行校正得到校正特征,且下一层待提取的特征为上一层的校正特征。
11.根据权利要求9所述的装置,其中,所述第一网络为backbone网络,所述第二网络为decoder网络。
12.根据权利要求8至11中任一项所述的装置,其中,所述校正模块,包括:
处理子模块,用于将所述预测分割结果按照所述实例特征的尺寸进行归一化处理,得到修正分割结果;
第一确定子模块,用于确定所述修正分割结果与所述实例特征的乘积向量;
第二确定子模块,用于将所述乘积向量进行维度压缩,并根据所述预测分割结果和维度压缩后的乘积向量确定所述校正实例特征。
13.根据权利要求8至11中任一项所述的装置,还包括:
采样模块,用于对所述目标图像帧和所述历史图像帧分别进行采样,得到第一特征向量和第二特征向量,所述第一特征向量与所述目标图像帧对应,所述第二特征向量与所述历史图像帧对应;
映射模块,用于对所述第一特征向量和所述第二特征向量分别进行映射,得到第一映射空间特征和第二映射空间特征,所述第一映射空间特征与所述目标图像帧对应,所述第二映射空间特征与所述历史图像帧对应
第二确定模块,用于根据所述第一映射空间特征和所述第二映射空间特征确定所述目标匹配特征;
其中,所述第一映射空间特征和所述第二映射空间特征均包括如下中的至少一项:键空间特征向量、值空间特征向量和实例空间特征向量。
14.根据权利要求13所述的装置,其中,所述第一映射空间特征包括:第一键空间特征向量和第一值空间特征向量,所述第二映射空间特征均包括:第二键空间特征向量和第二值空间特征向量;所述第二确定模块,包括:
匹配子模块,用于将所述第一键空间特征向量和所述第二键空间特征向量进行匹配,得到相似矩阵;
加权子模块,用于将所述相似矩阵与所述第一值空间特征向量进行加权,得到加权向量;
第三确定子模块,用于根据所述加权向量和所述第二值空间特征向量确定所述目标匹配特征。
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 (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211377524.3A CN115690422A (zh) | 2022-11-04 | 2022-11-04 | 目标对象的分割结果确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211377524.3A CN115690422A (zh) | 2022-11-04 | 2022-11-04 | 目标对象的分割结果确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690422A true CN115690422A (zh) | 2023-02-03 |
Family
ID=85049775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211377524.3A Pending CN115690422A (zh) | 2022-11-04 | 2022-11-04 | 目标对象的分割结果确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690422A (zh) |
-
2022
- 2022-11-04 CN CN202211377524.3A patent/CN115690422A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113436100A (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN113570606B (zh) | 目标分割的方法、装置及电子设备 | |
CN112488060B (zh) | 目标检测方法、装置、设备和介质 | |
CN113902696A (zh) | 图像处理方法、装置、电子设备和介质 | |
KR20220153667A (ko) | 특징 추출 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN113538235A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN113393468A (zh) | 图像处理方法、模型训练方法、装置和电子设备 | |
CN113888410A (zh) | 图像超分辨率方法、装置、设备、存储介质以及程序产品 | |
CN113421335B (zh) | 图像处理方法、图像处理装置、电子设备和存储介质 | |
CN114463551A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN114092708A (zh) | 特征图像的处理方法、装置和存储介质 | |
CN113112398A (zh) | 图像处理方法和装置 | |
CN113177483A (zh) | 视频目标分割方法、装置、设备以及存储介质 | |
CN113223051A (zh) | 轨迹优化方法、装置、设备、存储介质以及程序产品 | |
CN112651453A (zh) | 损失函数的自适应方法、装置、设备和存储介质 | |
CN115690422A (zh) | 目标对象的分割结果确定方法、装置及电子设备 | |
CN115482443A (zh) | 图像特征融合及模型训练方法、装置、设备以及存储介质 | |
CN113065585B (zh) | 图像合成模型的训练方法、装置与电子设备 | |
CN114078097A (zh) | 图像去雾模型的获取方法、装置和电子设备 | |
CN114842066A (zh) | 图像深度识别模型训练方法、图像深度识别方法及装置 | |
CN113903071A (zh) | 人脸识别方法、装置、电子设备和存储介质 | |
CN113556575A (zh) | 用于压缩数据的方法、装置、设备、介质和产品 | |
CN114066980A (zh) | 对象检测方法、装置、电子设备及自动驾驶车辆 | |
CN113610856A (zh) | 训练图像分割模型和图像分割的方法和装置 |
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 |