CN116343004A - 一种图像处理方法及其相关设备 - Google Patents
一种图像处理方法及其相关设备 Download PDFInfo
- Publication number
- CN116343004A CN116343004A CN202310230254.1A CN202310230254A CN116343004A CN 116343004 A CN116343004 A CN 116343004A CN 202310230254 A CN202310230254 A CN 202310230254A CN 116343004 A CN116343004 A CN 116343004A
- Authority
- CN
- China
- Prior art keywords
- image
- objects
- processing
- processing result
- model
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 473
- 238000000034 method Methods 0.000 claims abstract description 146
- 238000012549 training Methods 0.000 claims description 114
- 230000015654 memory Effects 0.000 claims description 80
- 230000008569 process Effects 0.000 claims description 80
- 230000007246 mechanism Effects 0.000 claims description 27
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 155
- 239000011159 matrix material Substances 0.000 description 32
- 238000013528 artificial neural network Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 27
- 239000013598 vector Substances 0.000 description 26
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000003062 neural network model Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 230000002829 reductive effect Effects 0.000 description 9
- 230000004913 activation Effects 0.000 description 8
- 230000001537 neural effect Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- MHABMANUFPZXEB-UHFFFAOYSA-N O-demethyl-aloesaponarin I Natural products O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=C(O)C(C(O)=O)=C2C MHABMANUFPZXEB-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 101100121955 Tanacetum cinerariifolium GLIP gene Proteins 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像处理方法及其相关设备,可有效减小图像处理的成本,而且可减少图像处理的计算量,从而提高图像处理的效率。本申请的方法包括:获取图像;对图像进行编码,得到图像的编码结果;对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;对编码结果和第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别。
Description
技术领域
本申请实施例涉及人工智能(artificial intelligence,AI)技术领域,尤其涉及一种图像处理方法及其相关设备。
背景技术
对于目标检测这一类视觉任务,主要是利用神经网络模型对某个图像进行处理,以在该图像中找出所有感兴趣的对象(物体),并确定这些对象的类别和位置,这是计算机视觉领域的核心问题之一。
在相关技术中,当需要对某个图像进行目标检测时,可将该图像以及该图像的多个文本(这些文本用于描述该图像中的多个对象的类别)输入至神经网络模型中。那么,该模型对该图像进行编码,得到该图像的编码结果,并对这些文本进行编码,得到这些文本的编码结果。接着,该模型可对该图像的编码结果以及这些文本的编码结果进行处理,得到并输出该图像的最终处理结果。那么,该图像的最终处理结果可用于确定该图像中的多个对象的位置和类别。
上述过程中,由于该图像的文本往往通过人工来指定或通过额外的技术来提取,导致图像处理的成本较大。并且,神经网络模型需处理图像和文本,所需处理的信息较多,导致图像处理的计算量较大,效率较低。
发明内容
本申请实施例提供了一种图像处理方法及其相关设备,可有效减小图像处理的成本,而且可减少图像处理的计算量,从而提高图像处理的效率。
本申请实施例的第一方面提供了一种图像处理方法,该方法通过第一模型实现,方法包括:
当需要对某个图像进行目标检测时,可先获取该图像,需要说明的是,该图像所呈现的内容通常包含多个物体。得到该图像后,可将该图像输入至第一模型中,以使得第一模型对该图像进行基于目标检测的处理,从而确定该图像中多个对象的位置和类别。
接收到该图像后,第一模型可对该图像进行编码,从而得到该图像的编码结果。
得到该图像的编码结果后,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果,该图像的第一处理结果通常包含该图像中M个对象的位置信息,那么,该图像的第一处理结果被第一模型输出后,可利用该图像的第一处理结果来确定该图像中M个对象的位置。需要说明的是,M个对象既可以理解为该图像中的M个物体,也可以理解为该图像中的M个检测框。
得到该图像的第一处理结果后,第一模型可对该图像的编码结果以及该图像的第一处理结果进行处理,从而得到该图像的第二处理结果,该图像的第二处理结果通常包含该图像中M个对象的类别信息,那么,该图像的第二处理结果被第一模型输出后,可利用该图像的第二处理结果来确定该图像中M个对象的类别。如此一来,则成功获取到了该图像中M个对象的位置和类别,即完成了针对该图像的目标检测。
从上述方法可以看出:当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
在一种可能实现的方式中,对图像进行编码,得到图像的编码结果包括:对图像进行编码,得到图像中M个对象的第一特征,M个对象的第一特征作为图像的编码结果。前述实现方式中,接收到该图像后,第一模型可对该图像进行编码,从而得到该图像中M个对象的第一特征(M个对象的第一特征也可以称为M个对象的初始区域特征),那么,第一模型可将M个对象的第一特征作为该图像的编码结果。
在一种可能实现的方式中,对编码结果进行处理,得到图像的第一处理结果包括:对M个对象的第一特征进行基于多层感知机的处理,得到M个对象的第二特征,M个对象的第二特征作为图像的第一处理结果。前述实现方式中,得到M个对象的第一特征后,第一模型可对M个对象的第一特征进行一系列基于多层感知机的处理,从而得到M个对象的第二特征(M个对象的第二特征也可以称为M个对象的位置信息)。那么,第一模型可将M个对象的第二特征作为该图像的第一处理结果,并对外输出。
在一种可能实现的方式中,第一处理结果包括M个对象的边界点在图像中的坐标,或者,第一处理结果包含M个对象的尺寸以及M个对象的中心点在图像中的坐标。前述实现方式中,对于M个对象中的任意一个对象而言,该对象的第二特征也就是该对象的位置信息,该对象的位置信息可通过多种方式呈现:(1)该对象的位置信息可以为该对象的边界点在图像中的坐标,例如,当该对象为某个检测框时,该检测框的边界点的坐标可以指该检测框的四个顶点的坐标。(2)该对象的位置信息可以为该对象的尺寸以及该对象的中心点在图像中的坐标,例如,当该对象为某个检测框时,该检测框的尺寸可以指该检测框的高和宽。
在一种可能实现的方式中,对编码结果以及第一处理结果进行处理,得到图像的第二处理结果包括:对M个对象的第二特征进行可变形卷积,得到M个对象的第三特征;对M个对象的第一特征以及M个对象的第三特征进行融合,得到M个对象的第四特征;对M个对象的第四特征进行处理,得到M个对象的第五特征,M个对象的第五特征作为图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。前述实现方式中,得到M个对象的第二特征后,第一模型可对M个对象的第二特征进行可变形卷积,从而得到M个对象的第三特征(M个对象的第三特征也可以称为M个对象的位置信息的特征)。得到M个对象的第一特征后以及M个对象的第三特征后,第一模型可对M个对象的第一特征以及M个对象的第三特征进行融合,从而得到M个对象的第四特征(M个对象的第四特征也可以称为M个对象的新区域特征)。得到M个对象的第四特征后,第一模型可对M个对象的第四特征进行一系列的处理(例如,基于自注意力机制的处理、基于交互注意力机制的处理以及全连接等等),从而得到M个对象的第五特征,那么,第一模型可将M个对象的第五特征作为该图像的第二处理结果,并对外输出。需要说明的是,对于M个对象中的任意一个对象而言,该对象的第五特征也就是该对象的类别信息,包含该对象属于各个类别的概率。
本申请实施例的第二方面提供了一种模型训练方法,该方法包括:获取图像;将图像输入至第一待训练模型,得到图像的第一处理结果以及图像的第二处理结果,其中,第一待训练模型用于:对图像进行编码,得到图像的编码结果;对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;对编码结果以及第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别;基于第一处理结果以及第二处理结果,获取目标损失;基于目标损失对第一待训练模型进行训练,得到第一模型。
上述方法训练得到的第一模型,具体图像处理能力(目标检测能力)。具体地,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
在一种可能实现的方式中,第一待训练模型,用于对图像进行编码,得到图像中M个对象的第一特征,M个对象的第一特征作为图像的编码结果。
在一种可能实现的方式中,第一待训练模型,用于对M个对象的第一特征进行基于多层感知机的处理,得到M个对象的第二特征,M个对象的第二特征作为图像的第一处理结果。
在一种可能实现的方式中,第一处理结果包括M个对象的边界点在图像中的坐标,或者,第一处理结果包含M个对象的尺寸以及M个对象的中心点在图像中的坐标。
在一种可能实现的方式中,第一待训练模型,用于:对M个对象的第二特征进行可变形卷积,得到M个对象的第三特征;对M个对象的第一特征以及M个对象的第三特征进行融合,得到M个对象的第四特征;对M个对象的第四特征进行处理,得到M个对象的第五特征,M个对象的第五特征作为图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
在一种可能实现的方式中,该方法还包括:获取N个文本,N个文本用于描述互不相同的N个类别,M≥N≥1;通过第二待训练模型对N个文本进行编码,得到N个文本的特征;通过第三待训练模型对N个文本的特征以及M个对象的第四特征进行匹配,得到N个文本与M个对象之间的匹配度,N个文本与M个对象之间匹配度作为图像的第三处理结果;基于第一处理结果以及第二处理结果,获取目标损失包括:基于第一处理结果、第二处理结果以及第三处理结果,获取目标损失。
在一种可能实现的方式中,该方法还包括:对N个文本与M个对象之间的匹配度进行聚合,得到N个文本与图像之间的匹配度,N个文本与图像之间的匹配度作为图像的第四处理结果;基于第一处理结果以及第二处理结果,获取目标损失包括:基于第一处理结果、第二处理结果以及第四处理结果,获取目标损失。
在一种可能实现的方式中,该方法还包括:基于目标损失对第二待训练模型以及第三待训练模型进行训练,得到第二模型以及第三模型。
本申请实施例的第三方面提供了一种图像处理装置,该装置包含第一模型,该装置包括:获取模块,用于获取图像;编码模块,用于对图像进行编码,得到图像的编码结果;第一处理模块,用于对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;第二处理模块,用于对编码结果和第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别。
从上述装置可以看出:当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
在一种可能实现的方式中,编码模块,用于对图像进行编码,得到图像中M个对象的第一特征,M个对象的第一特征作为图像的编码结果。
在一种可能实现的方式中,第一处理模块,用于对M个对象的第一特征进行基于多层感知机的处理,得到M个对象的第二特征,M个对象的第二特征作为图像的第一处理结果。
在一种可能实现的方式中,第一处理结果包括M个对象的边界点在图像中的坐标,或者,第一处理结果包含M个对象的尺寸以及M个对象的中心点在图像中的坐标。
在一种可能实现的方式中,第二处理模块,用于对M个对象的第二特征进行可变形卷积,得到M个对象的第三特征;对M个对象的第一特征以及M个对象的第三特征进行融合,得到M个对象的第四特征;对M个对象的第四特征进行处理,得到M个对象的第五特征,M个对象的第五特征作为图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
本申请实施例的第四方面提供了一种模型训练装置,该装置包括:第一获取模块,用于获取图像;第一处理模块,用于将图像输入至第一待训练模型,得到图像的第一处理结果以及图像的第二处理结果,其中,第一待训练模型用于:对图像进行编码,得到图像的编码结果;对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;对编码结果以及第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别;第二获取模块,用于基于第一处理结果以及第二处理结果,获取目标损失;第一训练模块,用于基于目标损失对第一待训练模型进行训练,得到第一模型。
本申请实施例训练得到的第一模型,具体图像处理能力(目标检测能力)。具体地,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
在一种可能实现的方式中,第一待训练模型,用于对图像进行编码,得到图像中M个对象的第一特征,M个对象的第一特征作为图像的编码结果。
在一种可能实现的方式中,第一待训练模型,用于对M个对象的第一特征进行基于多层感知机的处理,得到M个对象的第二特征,M个对象的第二特征作为图像的第一处理结果。
在一种可能实现的方式中,第一处理结果包括M个对象的边界点在图像中的坐标,或者,第一处理结果包含M个对象的尺寸以及M个对象的中心点在图像中的坐标。
在一种可能实现的方式中,第一待训练模型,用于:对M个对象的第二特征进行可变形卷积,得到M个对象的第三特征;对M个对象的第一特征以及M个对象的第三特征进行融合,得到M个对象的第四特征;对M个对象的第四特征进行处理,得到M个对象的第五特征,M个对象的第五特征作为图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
在一种可能实现的方式中,该装置还包括:第三获取模块,用于获取N个文本,N个文本用于描述互不相同的N个类别,M≥N≥1;第二处理模块,用于通过第二待训练模型对N个文本进行编码,得到N个文本的特征;第三处理模块,用于通过第三待训练模型对N个文本的特征以及M个对象的第四特征进行匹配,得到N个文本与M个对象之间的匹配度,N个文本与M个对象之间匹配度作为图像的第三处理结果;第二获取模块,用于基于第一处理结果、第二处理结果以及第三处理结果,获取目标损失。
在一种可能实现的方式中,该装置还包括:第四处理模块,用于对N个文本与M个对象之间的匹配度进行聚合,得到N个文本与图像之间的匹配度,N个文本与图像之间的匹配度作为图像的第四处理结果;第二获取模块,用于基于第一处理结果、第二处理结果以及第四处理结果,获取目标损失。
在一种可能实现的方式中,该装置还包括:第二训练模块,用于基于目标损失对第二待训练模型以及第三待训练模型进行训练,得到第二模型以及第三模型。
本申请实施例的第五方面提供了一种图像处理装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,图像处理装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例的第六方面提供了一种模型训练装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,模型训练装置执行如第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第七方面提供了一种电路系统,该电路系统包括处理电路,该处理电路配置为执行如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第八方面提供了一种芯片系统,该芯片系统包括处理器,用于调用存储器中存储的计算机程序或计算机指令,以使得该处理器执行如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
在一种可能的实现方式中,该处理器通过接口与存储器耦合。
在一种可能的实现方式中,该芯片系统还包括存储器,该存储器中存储有计算机程序或计算机指令。
本申请实施例的第九方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,该程序在由计算机执行时,使得计算机实施如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十方面提供了一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时,使得计算机实施如第一方面、第一方面中的任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例中,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
附图说明
图1为人工智能主体框架的一种结构示意图;
图2a为本申请实施例提供的图像处理系统的一个结构示意图;
图2b为本申请实施例提供的图像处理系统的另一结构示意图;
图2c为本申请实施例提供的图像处理的相关设备的一个示意图;
图3为本申请实施例提供的系统100架构的一个示意图;
图4为本申请实施例提供的第一模型的一个结构示意图;
图5为本申请实施例提供的图像处理方法的一个流程示意图;
图6为本申请实施例提供的第一模型的另一结构示意图;
图7为本申请实施例提供的第一模型的另一结构示意图;
图8为本申请实施例提供的联合训练框架的一个结构示意图;
图9为本申请实施例提供的模型训练方法的一个示意图;
图10为本申请实施例提供的联合训练框架的另一结构示意图;
图11为本申请实施例提供的图像处理装置的一个结构示意;
图12为本申请实施例提供的模型训练装置的一个结构示意图;
图13为本申请实施例提供的执行设备的一个结构示意图;
图14为本申请实施例提供的训练设备的一个结构示意图;
图15为本申请实施例提供的芯片的一个结构示意图。
具体实施方式
本申请实施例提供了一种图像处理方法及其相关设备,可有效减小图像处理的成本,而且可减少图像处理的计算量,从而提高图像处理的效率。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
随着计算机技术的快速发展,越来越多的领域均使用AI技术中的神经网络模型来完成各种视觉任务。对于目标检测这一类视觉任务,主要是利用神经网络模型对某个图像进行处理,以在该图像中找出所有感兴趣的对象(物体),并确定这些对象的类别和位置,这是计算机视觉领域的核心问题之一。
在相关技术中,当需要对某个图像进行目标检测时,可先获取该图像以及该图像的多个文本,这些文本用于描述该图像中的多个对象的类别,例如,设存在一个图像,该图像所呈现的内容为一个人在草地上躺着,且草地上种植着花、草以及树木,花上有蝴蝶,故该图像的多个文本为“人”、“地”、“花”、“草”、“树木”以及“蝴蝶”。接着,将该图像以及该图像的多个文本输入至神经网络模型中。那么,该模型对该图像进行编码,得到该图像的编码结果,并对这些文本进行编码,得到这些文本的编码结果。接着,该模型可对该图像的编码结果以及这些文本的编码结果进行处理,得到并输出该图像的最终处理结果。那么,该图像的最终处理结果可用于确定该图像中的多个对象的位置和类别。
上述过程中,由于该图像的文本往往通过人工来指定或通过额外的技术来提取,导致图像处理的成本较大。并且,神经网络模型需处理图像和文本,所需处理的信息较多,导致图像处理的计算量较大,效率较低。
为了解决上述问题,本申请实施例提供了一种图像处理方法,该方法可结合人工智能(artificial intelligence,AI)技术实现。AI技术是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能的技术学科,AI技术通过感知环境、获取知识并使用知识获得最佳结果。换句话说,人工智能技术是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。利用人工智能进行数据处理是人工智能常见的一个应用方式。
首先对人工智能系统总体工作流程进行描述,请参见图1,图1为人工智能主体框架的一种结构示意图,下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中,“智能信息链”反映从数据的获取到处理的一列过程。举例来说,可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中,数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程,反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能系统提供计算能力支持,实现与外部世界的沟通,并通过基础平台实现支撑。通过传感器与外部沟通;计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供;基础平台包括分布式计算框架及网络等相关的平台保障和支持,可以包括云存储和计算、互联互通网络等。举例来说,传感器和外部沟通获取数据,这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本,还涉及到传统设备的物联网数据,包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练,机器学习,深度学习,搜索,推理,决策等方式。
其中,机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能系统中,模拟人类的智能推理方式,依据推理控制策略,利用形式化的信息进行机器思维和求解问题的过程,典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程,通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后,进一步基于数据处理的结果可以形成一些通用的能力,比如可以是算法或者一个通用系统,例如,翻译,文本的分析,计算机视觉的处理,语音识别,图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能系统在各领域的产品和应用,是对人工智能整体解决方案的封装,将智能信息决策产品化、实现落地应用,其应用领域主要包括:智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。
接下来介绍几种本申请的应用场景。
图2a为本申请实施例提供的图像处理系统的一个结构示意图,该图像处理系统包括用户设备以及数据处理设备。其中,用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为图像处理的发起端,作为图像处理请求的发起方,通常由用户通过用户设备发起请求。
上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的文本处理请求,再通过存储数据的存储器以及数据处理的处理器环节进行机器学习,深度学习,搜索,推理,决策等方式的文本处理。数据处理设备中的存储器可以是一个统称,包括本地存储以及存储历史数据的数据库,数据库可以在数据处理设备上,也可以在其它网络服务器上。
在图2a所示的图像处理系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入/选择的一个图像,然后向数据处理设备发起请求,使得数据处理设备针对用户设备得到的该图像执行图像处理应用,从而得到针对该图像的对应的处理结果。示例性的,用户设备可以获取用户输入的一个图像,然后向数据处理设备发起图像的处理请求,使得数据处理设备对该图像进行目标检测处理,从而得到该图像的处理结果,该图像的处理结果可用于确定该图像中多个对象的位置和类别。
在图2a中,数据处理设备可以执行本申请实施例的图像处理方法。
图2b为本申请实施例提供的图像处理系统的另一结构示意图,在图2b中,用户设备直接作为数据处理设备,该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理,具体过程与图2a相似,可参考上面的描述,在此不再赘述。
在图2b所示的图像处理系统中,用户设备可以接收用户的指令,例如,用户设备可以获取用户输入的一个图像,然后对该图像进行目标检测处理,从而得到该图像的处理结果,该图像的处理结果可用于确定该图像中多个对象的位置和类别。
在图2b中,用户设备自身就可以执行本申请实施例的图像处理方法。
图2c为本申请实施例提供的图像处理的相关设备的一个示意图。
上述图2a和图2b中的用户设备具体可以是图2c中的本地设备301或者本地设备302,图2a中的数据处理设备具体可以是图2c中的执行设备210,其中,数据存储系统250可以存储执行设备210的待处理数据,数据存储系统250可以集成在执行设备210上,也可以设置在云上或其它网络服务器上。
图2a和图2b中的处理器可以通过神经网络模型或者其它模型(例如,基于支持向量机的模型)进行数据训练/机器学习/深度学习,并利用数据最终训练或者学习得到的模型针对图像执行图像处理应用,从而得到相应的处理结果。
图3为本申请实施例提供的系统100架构的一个示意图,在图3中,执行设备110配置输入/输出(input/output,I/O)接口112,用于与外部设备进行数据交互,用户可以通过客户设备140向I/O接口112输入数据,所述输入数据在本申请实施例中可以包括:各个待调度任务、可调用资源以及其他参数。
在执行设备110对输入数据进行预处理,或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中,执行设备110可以调用数据存储系统150中的数据、代码等以用于相应的处理,也可以将相应处理得到的数据、指令等存入数据存储系统150中。
最后,I/O接口112将处理结果返回给客户设备140,从而提供给用户。
值得说明的是,训练设备120可以针对不同的目标或称不同的任务,基于不同的训练数据生成相应的目标模型/规则,该相应的目标模型/规则即可以用于实现上述目标或完成上述任务,从而为用户提供所需的结果。其中,训练数据可以存储在数据库130中,且来自于数据采集设备160采集的训练样本。
在图3中所示情况下,用户可以手动给定输入数据,该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下,客户设备140可以自动地向I/O接口112发送输入数据,如果要求客户设备140自动发送输入数据需要获得用户的授权,则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果,具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端,采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据,并存入数据库130。当然,也可以不经过客户设备140进行采集,而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果,作为新的样本数据存入数据库130。
值得注意的是,图3仅是本申请实施例提供的一种系统架构的示意图,图中所示设备、器件、模块等之间的位置关系不构成任何限制,例如,在图3中,数据存储系统150相对执行设备110是外部存储器,在其它情况下,也可以将数据存储系统150置于执行设备110中。如图3所示,可以根据训练设备120训练得到神经网络。
本申请实施例还提供的一种芯片,该芯片包括神经网络处理器NPU。该芯片可以被设置在如图3所示的执行设备110中,用以完成计算模块111的计算工作。该芯片也可以被设置在如图3所示的训练设备120中,用以完成训练设备120的训练工作并输出目标模型/规则。
神经网络处理器NPU,NPU作为协处理器挂载到主中央处理器(centralprocessing unit,CPU)(host CPU)上,由主CPU分配任务。NPU的核心部分为运算电路,控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。
在一些实现中,运算电路内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)中。
向量计算单元可以对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。例如,向量计算单元可以用于神经网络中非卷积/非FC层的网络计算,如池化(pooling),批归一化(batch normalization),局部响应归一化(localresponse normalization)等。
在一些实现种,向量计算单元能将经处理的输出的向量存储到统一缓存器。例如,向量计算单元可以将非线性函数应用到运算电路的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元生成归一化的值、合并值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路的激活输入,例如用于在神经网络中的后续层中的使用。
统一存储器用于存放输入数据以及输出数据。
权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器,以及将统一存储器中的数据存入外部存储器。
总线接口单元(bus interface unit,BIU),用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。
与控制器连接的取指存储器(instruction fetch buffer),用于存储控制器使用的指令;
控制器,用于调用指存储器中缓存的指令,实现控制该运算加速器的工作过程。
一般地,统一存储器,输入存储器,权重存储器以及取指存储器均为片上(On-Chip)存储器,外部存储器为该NPU外部的存储器,该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory,DDRSDRAM)、高带宽存储器(high bandwidth memory,HBM)或其他可读可写的存储器。
由于本申请实施例涉及大量神经网络的应用,为了便于理解,下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的,神经单元可以是指以xs和截距1为输入的运算单元,该运算单元的输出可以为:
其中,s=1、2、……n,n为大于1的自然数,Ws为xs的权重,b为神经单元的偏置。f为神经单元的激活函数(activation functions),用于将非线性特性引入神经网络中,来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络,即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连,来提取局部接受域的特征,局部接受域可以是由若干个神经单元组成的区域。
神经网络中的每一层的工作可以用数学表达式y=a(Wx+b)来描述:从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作,完成输入空间到输出空间的变换(即矩阵的行空间到列空间),这五种操作包括:1、升维/降维;2、放大/缩小;3、旋转;4、平移;5、“弯曲”。其中1、2、3的操作由Wx完成,4的操作由+b完成,5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物,而是一类事物,空间是指这类事物所有个体的集合。其中,W是权重向量,该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换,即每一层的权重W控制着如何变换空间。训练神经网络的目的,也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此,神经网络的训练过程本质上就是学习控制空间变换的方式,更具体的就是学习权重矩阵。
因为希望神经网络的输出尽可能的接近真正想要预测的值,所以可以通过比较当前网络的预测值和真正想要的目标值,再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然,在第一次更新之前通常会有初始化的过程,即为神经网络中的各层预先配置参数),比如,如果网络的预测值高了,就调整权重向量让它预测低一些,不断的调整,直到神经网络能够预测出真正想要的目标值。因此,就需要预先定义“如何比较预测值和目标值之间的差异”,这便是损失函数(loss function)或目标函数(objective function),它们是用于衡量预测值和目标值的差异的重要方程。其中,以损失函数举例,损失函数的输出值(loss)越高表示差异越大,那么神经网络的训练就变成了尽可能缩小这个loss的过程。
(2)反向传播算法
神经网络可以采用误差反向传播(back propagation,BP)算法在训练过程中修正初始的神经网络模型中参数的大小,使得神经网络模型的重建误差损失越来越小。具体地,前向传递输入信号直至输出会产生误差损失,通过反向传播误差损失信息来更新初始的神经网络模型中参数,从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动,旨在得到最优的神经网络模型的参数,例如权重矩阵。
下面从神经网络的训练侧和神经网络的应用侧对本申请提供的方法进行描述。
本申请实施例提供的模型训练方法,涉及数据序列的处理,具体可以应用于数据训练、机器学习、深度学习等方法,对训练数据(例如,本申请实施例提供的模型训练方法中的图像以及N个文本等等)进行符号化和形式化的智能信息建模、抽取、预处理、训练等,最终得到训练好的神经网络(例如,本申请实施例提供的模型训练方法中的第一模型、第二模型以及第三模型等等);并且,本申请实施例提供的摘要生成方法可以运用上述训练好的神经网络,将输入数据(例如,本申请实施例提供的图像处理方法中的图像)输入到所述训练好的神经网络中,得到输出数据(例如,本申请实施例提供的图像处理方法中的图像的第一处理结果以及图像的第二处理结果等等)。需要说明的是,本申请实施例提供的模型训练方法和摘要生成方法是基于同一个构思产生的发明,也可以理解为一个系统中的两个部分,或一个整体流程的两个阶段:如模型训练阶段和模型应用阶段。
本申请实施例提供的图像处理方法可通过第一模型实现,图4为本申请实施例提供的第一模型的一个结构示意图,如图4所示,第一模型包括:图像编码器(image encoder)模块、多层感知机(multilayer perceptron,MLP)模块、可变形(deformable)模块、融合(cls)模块以及密集生成(dense captioning)模块。为了了解第一模型的工作流程,下文结合图5对第一模型的工作流程进行介绍,图5为本申请实施例提供的图像处理方法的一个流程示意图,如图5所示,该方法包括:
501、获取图像。
本实施例中,当需要对某个图像进行目标检测时,可先获取该图像,需要说明的是,该图像所呈现的内容通常包含多个物体。得到该图像后,可将该图像输入至第一模型(已训练的神经网络模型)中,以使得第一模型对该图像进行基于目标检测的处理,从而确定该图像中多个对象的位置和类别。
502、对图像进行编码,得到图像的编码结果。
接收到该图像后,第一模型可对该图像进行编码,从而得到该图像的编码结果。
具体地,第一模型可通过以下方式来获取该图像的编码结果:
接收到该图像后,第一模型的图像编码器模块可对该图像进行编码,从而得到该图像中M个对象的第一特征(M为大于或等于1的正整数,M个对象的第一特征也可以称为M个对象的初始区域特征),那么,图像编码器模块可将M个对象的第一特征作为该图像的编码结果。需要说明的是,对于M个对象中的任意两个对象而言,这两个对象既可以是属于同一类别的对象,也可以是属于不同类别的对象,且M个对象中的一个对象在该图像中占据一个区域。如此一来,这M个对象既可以理解为该图像中的M个物体,也可以理解为该图像中的M个检测框。
例如,如图6所示(图6为本申请实施例提供的第一模型的另一结构示意图),可将第一模型称为图像处理模型。在将某个图像输入至图像处理模型后,图像处理模型中的image encoder模块可对该图像进行处理,从而得到初始区域特征fP′,其中,fP′包括该图像中第1个检测框的初始特征,第2个检测框的初始特征,...,第M个检测框的初始特征。
503、对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1。
得到该图像的编码结果后,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果,该图像的第一处理结果通常包含该图像中M个对象的位置信息,那么,该图像的第一处理结果被第一模型输出后,可利用该图像的第一处理结果来确定该图像中M个对象的位置。
具体地,第一模型可通过以下方式来获取该图像的第一处理结果:
得到M个对象的第一特征后,图像编码器模块可将M个对象的第一特征发送至多层感知机模块。接着,多层感知机模块可对M个对象的第一特征进行一系列的处理(例如,卷积、全连接、归一化以及通道聚合等等),从而得到M个对象的第二特征(M个对象的第二特征也可以称为M个对象的位置信息),那么,多层感知机模块可将M个对象的第二特征作为该图像的第一处理结果,并对外输出。需要说明的是,对于M个对象中的任意一个对象而言,该对象的第二特征也就是该对象的位置信息,该对象的位置信息可通过多种方式呈现:(1)该对象的位置信息可以为该对象的边界点在图像中的坐标,例如,当该对象为某个检测框时,该检测框的边界点的坐标可以指该检测框的四个顶点的坐标,故基于该检测框的四个顶点的坐标可直接确定该检测框在该图像中的具体位置。(2)该对象的位置信息可以为该对象的尺寸以及该对象的中心点在图像中的坐标,例如,当该对象为某个检测框时,该检测框的尺寸可以指该检测框的高和宽,故基于该检测框的宽、高以及中心点的坐标可直接确定该检测框在该图像中的具体位置。
依旧如上述例子,image encoder模块得到fP′后,可将fP′提供给MLP模块,MLP模块可对fP′进行处理,得到位置信息offset,其中,offset包含该图像中第1个检测框的位置信息,第2个检测框的位置信息,...,第M个检测框的位置信息。随后,MLP模块可对外输出offset。
504、对编码结果和第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别。
得到该图像的第一处理结果后,第一模型可对该图像的编码结果以及该图像的第一处理结果进行处理,从而得到该图像的第二处理结果,该图像的第二处理结果通常包含该图像中M个对象的类别信息,那么,该图像的第二处理结果被第一模型输出后,可利用该图像的第二处理结果来确定该图像中M个对象的类别。如此一来,则成功获取到了该图像中M个对象的位置和类别,即完成了针对该图像的目标检测。
具体地,第一模型可通过以下方式来获取该图像的第二处理结果:
(1)得到M个对象的第二特征后,多层感知机模块还可将M个对象的第二特征发送至可变形模块。接着,可变形模块可对M个对象的第二特征进行可变形卷积,从而得到M个对象的第三特征(M个对象的第三特征也可以称为M个对象的位置信息的特征)。
依旧如上述例子,得到offset后,MLP模块还可把offset提供至deformable模块,deformable模块可对offset进行处理,得到位置信息的特征foffset,其中,foffset包括该图像中第1个检测框的位置信息的特征,第2个检测框的位置信息的特征,...,第M个检测框的位置信息的特征。
(2)得到M个对象的第一特征后,图像编码模块还可将M个对象的第一特征发送至融合模块。得到M个对象的第三特征后,可变形模块可将M个对象的第三特征发送至融合模块。接着,融合模块可对M个对象的第一特征以及M个对象的第三特征进行融合,从而得到M个对象的第四特征(M个对象的第四特征也可以称为M个对象的新区域特征)。
依旧如上述例子,得到初始区域特征fP′后,image encoder模块可将fP′提供给cls模块。得到位置信息的特征foffset后,deformable模块可将foffset提供给cls模块。cls模块可对fP′以及foffset进行融合,得到新区域特征fP,其中,fP包括该图像中第1个检测框的新特征,第2个检测框的新特征,...,第M个检测框的新特征。
(3)得到M个对象的第四特征后,融合模块可将M个对象的第四特征发送至密集生成模块。接着,密集生成模块可对M个对象的第四特征进行一系列的处理(例如,基于自注意力机制的处理、基于交互注意力机制的处理以及全连接等等),从而得到M个对象的第五特征,那么,密集生成模块可将M个对象的第五特征作为该图像的第二处理结果,并对外输出。需要说明的是,对于M个对象中的任意一个对象而言,该对象的第五特征也就是该对象的类别信息,包含该对象属于各个类别的概率,故基于这些概率可确定该对象的具体类别。
依旧如上述例子,如图7所示(图7为本申请实施例提供的第一模型的另一结构示意图),得到新区域特征fP后,cls模块可fP发送至dense captioning模块,该模块针对fP的处理是多轮次的。具体地,在第1轮次中,该模块可对预置的类别BOS依次进行基于自注意力机制(self attention)的处理、基于交互注意力机制(cross-modal attention)的处理以及全连接(feed forward),其中,在进行基于交互注意力机制的处理中加入了fP中的第1个检测框的新区域特征故可得到第1个检测框属于各个类别的概率,进而将概率最大的类别确定为第1个检测框的类别y1。在第2轮次中,该模块可对BOS以及y1依次进行基于自注意力机制的处理、基于交互注意力机制的处理以及全连接,其中,在进行基于交互注意力机制的处理中加入了fP中的第2个检测框的新区域特征/>故可得到第2个检测框属于各个类别的概率,进而将概率最大的类别确定为第2个检测框的类别y2。以此类推,直至得到第M个检测框的类别yM。
此外,还可将本申请实施例提供的第一模型(即表1中的DetCLIPv2)与一部分相关技术提供的模型(即表1中除了DetCLIPv2之外的其余模型)进行比较,比较结果如表1所示:
表1
需要说明的是,表1在LVIS子集上的零样本表现,Apr/APc/APf分别表示了稀有类,常见类和频繁类的值,GLIP中的DH和F代表了复杂度更加高的动态检测头和多模态信息深度融合模块。
表1展示了各个模型在LVIS上的表现结果。本申请实施例提供的第一模型,即DetCLIPv2,相对于相关技术的模型可以显著提高性能,例如,DetCLIPv2比GLIP的表现高出了一大部分,DetCLIP v2-T比GLIP-T高出了14.4%,在rare类上甚至提升了15.2%。而且,还可以注意到DetCLIPv2比GLIP更轻量,因为没有使用动态头(DH)和跨模态融合(F)。
同时,相比较于GLIP-T,本申请实施例提供的DetCLIPv2-T在训练时间以及测试速度上分别有16倍和19倍的提升,如表2所示:
表2
模型 | 数据 | 训练时间 | 测试速度 |
CLIP-T | O365+GoldG | 7.4k | 1.6 |
DetCLIP-T | O365+GoldG+YFCC1M | 2.0k | 4.1 |
DetCLIPv2-T | O365+GoldG+CC15M | 2.1k | 25.7 |
进一步地,还可将本申请实施例提供的第一模型(即表3中的DetCLIPv2)与另一部分相关技术提供的模型(即表3中除了DetCLIPv2之外的其余模型)进行比较,比较结果如表3所示:
表3
需要说明的是,本申请实施例提供的第一模型,即DetCLIPv2,与相关技术的模型相比,主要添加了密集生成模块。在表3中,主要探索了添加密集生成模块对开集检测性能带来的影响展示,表3是在LVIS minival验证集上的评价,*代表为了公平比较,这里使用了相同的训练集(O365,VG)进行训练。
表2展示了密集生成模块在LVIS上的零样本目标检测性能提升。这里主要使用主干网络Swin-T,在检测数据Objects365和VG数据上训练DetCLIPv2-T。由于DetCLIP没有报告在O365和VG上训练的性能,这里在相同设置下在同样两个数据集上训练DetCLIP和DetCLIPv2,以进行公平比较(加*号的模型)。比较最后两行可以看出,添加额外的密集生成模块,本申请实施例提供的DetCLIPv2-T*在相同的数据规模和主干网络上性能优于DetCLIP-T(C)*。具体来说,在LVIS数据集上,密集生成模块对开集检测性能mAP的提升是2.3%,其中在rare/common/frequency类上带来的提升分别为2.1%,2.2%和2.5%。
更进一步地,还可将本申请实施例提供的第一模型(即表4中的DetCLIPv2)与又一部分相关技术提供的模型(即表4中除了DetCLIPv2之外的其余模型)进行比较,比较结果如表4所示:
表4
模型 | mAP(%) |
COCG | 10.39 |
CAG-Net | 10.51 |
TDC | 11.90 |
DetCLIPv2-T* | 15.44 |
表4展示了DetCLIPv2-T*在VG上的目标检测性能(mAP)上显著优于TDC将近3.5%,其中的一个重要原因是本申请实施例提供的模型具有出色的检测性能,有助于目标检测任务的定位能力。
本申请实施例中,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
进一步地,本申请实施例提供的第一模型具备密集生成模块,由于该模块的存在,可有效提升第一模型在图像处理时的性能,即可以令第一模型精准地完成针对图像的目标检测任务,从而为用户提供更加优质的服务。
以上是对本申请实施例提供的图像处理方法所进行的详细说明,以下将对本申请实施例提供的模型训练方法进行介绍。图8为本申请实施例提供的联合训练框架的一个结构示意图,如图8所示,该框架包括:第一待训练模型、第二待训练模型以及第三待训练模型,第一待训练模型的内部结构可参考图4,第二待训练模型为一个文本编码器(textencoder)模块,第三待训练模型为一个匹配模块。为了了解该框架的工作流程,下文结合图9对该流程做介绍,图9为本申请实施例提供的模型训练方法的一个示意图,如图9所示,该方法包括:
901、获取图像。
本实施例中,当需要对第一待训练模型、第二待训练模型以及第三待训练模型进行训练时,可先获取一批训练数据。值得注意的是,训练数据可从三种数据集中获取,第一种数据集为检测数据集(detection dataset),第二种数据集为视觉定位数据集(grounding dataset),第三种数据集为图文对数据集(image text pair datasetr)。其中,一个检测数据指一个图像,该图像携带有多个检测框以及多个文本,一个检测框对应一个文本(词或词组),一个检测框所携带的文本用于描述该检测框(中的物体)的类别。一个视觉定位数据指一个图像以及多个并列的句子(每个句子可被划分为多个文本,即划分为多个词或词组),该图像携带有多个检测框,一个检测框对应这段文章中的一个文本,一个检测框对应的文本用于描述该检测框(中的物体)的类别。一个图文对数据指一个图像以及一段文章(这段文本也可以被划分为多个文本,即划分为多个词或词组),这段文章用于描述该图像中的内容。
在从检测数据集、视觉定位数据集或图文对数据集中采集一批训练数据之前,可先对检测数据集、视觉定位数据集以及图文对数据集中的原始数据进行预处理,再将预处理后的数据采集为训练数据。其中,预处理的过程以及采集的过程包括:
(1)对于检测数据集中的任意一个检测数据,该数据为一个图像,设该图像携带有M个检测框(也就是M个对象)以及M个文本,这M个文本用于描述这M个检测框的类别。由于M个检测框中有些检测框是属于同一类别的检测框,也就是说M个文本中有些文本是相同的,故可先将这M个文本从该图像中抽取出来,并对这M个文本进行合并,得到为互不相同的K个文本,这K个文本用于描述互不相同的K个类别,K小于M。
接着,可选取额外的Q个文本,这Q个文本用于描述额外的互不相同的Q个类别,那么,合并后得到的K个文本以及额外获取的Q个文本,可以组成该图像所对应的N个文本(N=K+Q,N远小于M),这N个文本用于描述互不相同的N个类别,其中的K个类别是在该图像出现过的类别(也可以称为正类),另外的Q个类别是未在该图像出现的类别(也可以称为负类)。如此一来,该图像以及该图像所对应的N个文本,可被采集为一个训练数据。
(2)对于视觉定位数据集中的任意一个视觉定位数据,该数据为一个图像以及多个句子,设该图像携带有M个检测框,可先从这多个句子中抽取出M个文本,这M个文本用于描述这M个检测框的类别。由于M个检测框中有些检测框是属于同一类别的检测框,也就是说M个文本中有些文本是相同的,故可对这M个文本进行合并,得到为互不相同的K个文本,这K个文本用于描述互不相同的K个类别,K小于M。
接着,可选取额外的Q个文本,这Q个文本用于描述额外的互不相同的Q个类别,那么,合并后得到的K个文本以及额外获取的Q个文本,可以组成该图像所对应的新的N个文本,这N个文本用于描述互不相同的N个类别,其中的K个类别是在该图像出现过的类别,另外的Q个类别是未在该图像出现的类别。如此一来,该图像以及该图像所对应的N个文本,可被采集为一个训练数据。
(3)对于图文对数据集中的任意一个图文对数据,该数据为一个图像以及一段文章,设该图像未携带有检测框,可先从这段文章中抽取出互不相同的K个文本,这K个文本用于描述互不相同的K个类别(正类),K为大于或等于1的正整数。
接着,可选取额外的Q个文本,这Q个文本用于描述额外的互不相同的Q个类别(负类),那么,合并后得到的K个文本以及额外获取的Q个文本,可以组成该图像所对应的新的N个文本,这N个文本用于描述互不相同的N个类别,其中的K个类别是在该图像出现过的类别,另外的Q个类别是未在该图像出现的类别。如此一来,该图像以及该图像所对应的N个文本,可被采集为一个训练数据。
那么,不断地重复以上过程,可成功采集出一批训练数据,这批训练数据要么都来源于检测数据集,要么都来源于视觉定位数据集,要么都来源于图文对数据集。
902、将图像输入至第一待训练模型,得到图像的第一处理结果以及图像的第二处理结果,其中,第一待训练模型用于:对图像进行编码,得到图像的编码结果;对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;对编码结果以及第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别。
得到一批训练数据后,对于这批训练数据中的任意一个训练数据,可将该训练数据输入至联合训练框架,该框架可执行以下操作:
(1)将该训练数据中的图像输入至第一待训练模型,第一待训练模型可先对该图像进行编码,得到该图像的编码结果。接着,第一待训练模型可对该图像的编码结果进行处理,得到该图像的第一处理结果,该图像的第一处理结果用于确定图像中的M个检测框的位置,M≥1。然后,第一待训练模型可对该图像的编码结果以及该图像的第一处理结果进行处理,得到该图像的第二处理结果,该图像的第二处理结果用于确定M个检测框的类别。
在一种可能实现的方式中,第一待训练模型,用于对该图像进行编码,得到该图像中M个检测框的第一特征,M个检测框的第一特征作为该图像的编码结果。
在一种可能实现的方式中,第一待训练模型,用于对M个检测框的第一特征进行基于多层感知机的处理,得到M个检测框的第二特征,M个检测框的第二特征作为该图像的第一处理结果。
在一种可能实现的方式中,第一处理结果包括M个检测框的边界点在该图像中的坐标,或者,第一处理结果包含M个检测框的尺寸以及M个检测框的中心点在该图像中的坐标。
在一种可能实现的方式中,第一待训练模型,用于:对M个检测框的第二特征进行可变形卷积,得到M个检测框的第三特征;对M个检测框的第一特征以及M个检测框的第三特征进行融合,得到M个检测框的第四特征;对M个检测框的第四特征进行处理,得到M个检测框的第五特征,M个检测框的第五特征作为该图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
需要说明的是,关于第一待训练模型获取该图像的第一处理结果以及该图像的第二处理结果的过程,可参考图5所示实施例中步骤502至步骤504的相关说明部分,此处不再赘述。
(2)还可将该训练数据中的图像所对应的N个文本,输入至第二待训练模型中,故第二待训练模型可对N个文本进行编码,从而得到N个文本的特征(也可以称为N个文本的编码结果)。
例如,如图10所示(图10为本申请实施例提供的联合训练框架的另一结构示意图,图10是在图6和图7的基础上进行绘制得到的),对于某个图像以及该图像对应的N个文本,可将该图像输入至image encoder模块,并同时将N个文本输入至text encoder模块。
那么,image encoder模块、MLP模块、deformable模块以及cls模块可联合对该图像进行处理,从而得到新区域特征fP(该过程可参考图6的例子,此处不再赘述)。与此同时,text encoder模块也可对N个文本进行编码,从而得到文本特征fT,其中,fT包括该图像所对应的第1个文本的特征,第2个文本的特征,...第N个文本的特征。
(3)得到M个检测框的第四特征后,第一待训练模型还可将M个检测框的第四特征发送至第三待训练模型。得到N个文本的特征后,第二待训练模型还可将N个文本的特征发送至第三待训练模型,那么,第三待训练模型可对N个文本的特征以及M个检测框的第四特征进行匹配,得到N个文本与M个检测框之间的匹配度(对于M个检测框中的任意一个检测框而言,该检测框与N个文本之间的匹配度即该检测框属于N个类别的概率)。那么,第三待训练模型可将N个文本与M个检测框之间匹配度作为图像的第三处理结果,并对外输出。
若该训练数据来源于检测数据或视觉定位数据,则不执行任何处理。
若该训练数据来源于图文对数据,可对N个文本与M个检测框之间匹配度进行聚合,得到N个文本与该图像之间的匹配度。那么,可将N个文本与该图像之间的匹配度作为图像的第四处理结果。
依旧如上述例子,cls模块得到fP后,可将fP发送至匹配模块,text encoder模块得到fT后,可将fT发送至匹配模块。
那么,若该图像以及N个文本来源于detection数据/grounding数据,匹配模块可对fP以及fT进行处理,得到匹配度矩阵S=fPTranspose(fT),S包含第1个检测框与第1个文本之间的匹配度,第1个检测框与第2个文本之间的匹配度,...,第2个检测框与第1个文本之间的匹配度,...,第M个检测框与第N个文本之间的匹配度。
若该图像以及N个文本来源于图文对数据,在匹配度矩阵S后,可通过以下公式对该矩阵做处理:
上式中,为第j个文本的特征(j=1,...N),/>为第k个检测框的新特征(k=1,...M),/>为第j个文本与第k个检测框之间的匹配度,mj为与第j个文本最匹配的检测框的编号。那么,基于公式(2),在匹配度矩阵S中,可挑选出与N个文本最匹配的检测框,以及相应的N个匹配度。
接着,可通过以下公式对N个匹配度进行处理:
上式中,为与第j个文本最匹配的新特征,/>为第i个图像(该图像)与第i段文章(该图像所对应的文章,该图像所对应的N个文本中的一部分文本来源于该文章)之间的匹配度(在图10中,/>表示为sT(i,i)),第i个图像与第i段文章组成第i个图文对数据(i=1,...,G)。由于在训练该框架时,由于这一批训练数据包含G个图像文数据,故可得到另一个匹配度矩阵sT,其中,sT包括第1个图像与第1段文章之间的匹配度,第1个图像与第2段文章之间的匹配度,...,第2个图像与第1段文章之间的匹配度,...,第G个图像与第G段文章之间的匹配度。
903、基于第一处理结果以及第二处理结果,获取目标损失。
若该训练数据来源于检测数据或视觉定位数据,则通过预置的损失函数对该训练数据中的图像的第一处理结果、该图像的第二处理结果以及该图像的第三处理结果进行计算,从而得到目标损失。
若该训练数据来源于图文对数据,则通过预置的损失函数对该训练数据中的图像的第一处理结果、该图像的第二处理结果以及该图像的第四处理结果进行计算,从而得到目标损失。
依旧如上述例子,MLP模块得到并输出位置信息offset后,即得到该图像中第1个检测框的位置信息,第2个检测框的位置信息,...,第M个检测框的位置信息后,可利用预置的损失函数对offset进行计算,得到常见中心度损失LCEN和边界框回归损失LREG。
密集生成模块得到并输出第1个检测框的类别y1,第2个检测框的类别y2,...,第M个检测框的类别yM后,可通过以下预置的损失函数来计算类别生成损失LCAP:
LCAP=-log p(yt|Φc(yτ<t,fP)) (4)
上式中,对于任意一个检测框,yt为该检测框的类别中的第t个单词,yτ<t为该检测框的类别中的第1个单词至第t-1个单词。
若该图像来源于detection数据/grounding数据,由于该图像的真实的匹配度矩阵S`是已知的,即第1个检测框与第1个文本之间的真实匹配度,第1个检测框与第2个文本之间的真实匹配度,...,第2个检测框与第1个文本之间的真实匹配度,...,第M个检测框与第N个文本之间的真实匹配度是已知的,故在匹配模块得到并输出S后,可利用预置的损失函数对S以及S`进行计算,得到匹配损失LALIGN。那么,目标损失L=LALIGN+αLCEN+βLREG+γLCAP,其中,α、β和γ权重是超参。
若该图像来源于图文对数据,可通过以下预置的损失函数来计算匹配损失LCTS:
那么,目标损失L=LCTS+αLCEN+βLREG+γLCAP。
904、基于目标损失对第一待训练模型进行训练,得到第一模型。
得到目标损失后,可基于目标损失对第一待训练模型的参数、第二待训练模型的模型参数以及第三待训练模型的模型参数进行更新,得到更新后的第一待训练模型、更新后的第二待训练模型以及更新后的第三待训练模型,并获取下一批训练数据(即重新执行步骤901),并基于下一批训练数据对更新后的第一待训练模型、更新后的第二待训练模型以及更新后的第三待训练模型继续进行训练(即重新执行步骤902至步骤904),直至满足模型训练条件(例如,目标损失达到收敛等等),可得到图4所示的第一模型、第二模型以及第三模型。
需要说明的是,第一模型可在进行目标检测时的输入仅为图像,而第一模型中除密集生成模块之外的其余模块、第二模型以及第三模型所组成的模型,在进行目标检测时的输入则为图像以及图像对应的文本。
本申请实施例训练得到的第一模型,具体图像处理能力(目标检测能力)。具体地,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
进一步地,本申请实施例提供的第一模型基于联合训练框架进行训练得到,其训练数据既可以是具备人工标注框的detection数据/grounding数据,也可以是不具备人工标注框的图文对数据,后者可通过细粒度的图文对齐方式,不仅完成检测框与文本之间的匹配,还完成了图像与文章之间的匹配,能够优质地完成模型训练,故最终训练得到的模型(第一模型、第二模型以及第三模型)均具备优良的性能。
以上是对本申请实施例提供的图像处理方法以及模型训练方法所进行的具体说明,以下将对本申请实施例提供的图像装置和模型训练装置进行介绍。图11为本申请实施例提供的图像处理装置的一个结构示意图,如图11所示,该包含第一模型,该装置包括:
获取模块1101,用于获取图像;
编码模块1102,用于对图像进行编码,得到图像的编码结果;
第一处理模块1103,用于对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;
第二处理模块1104,用于对编码结果和第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别。
本申请实施例中,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
在一种可能实现的方式中,编码模块1102,用于对图像进行编码,得到图像中M个对象的第一特征,M个对象的第一特征作为图像的编码结果。
在一种可能实现的方式中,第一处理模块1103,用于对M个对象的第一特征进行基于多层感知机的处理,得到M个对象的第二特征,M个对象的第二特征作为图像的第一处理结果。
在一种可能实现的方式中,第一处理结果包括M个对象的边界点在图像中的坐标,或者,第一处理结果包含M个对象的尺寸以及M个对象的中心点在图像中的坐标。
在一种可能实现的方式中,第二处理模块1104,用于对M个对象的第二特征进行可变形卷积,得到M个对象的第三特征;对M个对象的第一特征以及M个对象的第三特征进行融合,得到M个对象的第四特征;对M个对象的第四特征进行处理,得到M个对象的第五特征,M个对象的第五特征作为图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
图12为本申请实施例提供的模型训练装置的一个结构示意图,如图12所示,该装置包括:
第一获取模块1201,用于获取图像;
第一处理模块1202,用于将图像输入至第一待训练模型,得到图像的第一处理结果以及图像的第二处理结果,其中,第一待训练模型用于:对图像进行编码,得到图像的编码结果;对编码结果进行处理,得到图像的第一处理结果,第一处理结果用于确定图像中的M个对象的位置,M≥1;对编码结果以及第一处理结果进行处理,得到图像的第二处理结果,第二处理结果用于确定M个对象的类别;
第二获取模块1203,用于基于第一处理结果以及第二处理结果,获取目标损失;
第一训练模块1204,用于基于目标损失对第一待训练模型进行训练,得到第一模型。
本申请实施例训练得到的第一模型,具体图像处理能力(目标检测能力)。具体地,当需要对某个图像进行目标检测时,可将该图像输入至第一模型中。那么,第一模型可先对该图像进行编码,从而得到该图像的编码结果。接着,第一模型可对该图像的编码结果进行处理,从而得到该图像的第一处理结果。然后,第一模型可对该图像的编码结果和该图像的第一处理结果进行处理,得到该图像的第二处理结果。得到第一模型输出的第一处理结果以及第二处理结果后,可利用第一处理结果来确定该图像中的M个对象的位置,并利用第二处理结果来确定该图像中的M个对象的类别,至此,则完成了针对该图像的目标检测。前述过程中,第一模型的输入仅为该图像,而不需要准备任何与该图像相关的文本,可有效减小图像处理的成本,而且,第一模型仅需对该图像进行一系列的处理后,则可以完成针对该图像的目标检测,所需处理的信息较少,故可减少图像处理的计算量,从而提高图像处理的效率。
在一种可能实现的方式中,第一待训练模型,用于对图像进行编码,得到图像中M个对象的第一特征,M个对象的第一特征作为图像的编码结果。
在一种可能实现的方式中,第一待训练模型,用于对M个对象的第一特征进行基于多层感知机的处理,得到M个对象的第二特征,M个对象的第二特征作为图像的第一处理结果。
在一种可能实现的方式中,第一处理结果包括M个对象的边界点在图像中的坐标,或者,第一处理结果包含M个对象的尺寸以及M个对象的中心点在图像中的坐标。
在一种可能实现的方式中,第一待训练模型,用于:对M个对象的第二特征进行可变形卷积,得到M个对象的第三特征;对M个对象的第一特征以及M个对象的第三特征进行融合,得到M个对象的第四特征;对M个对象的第四特征进行处理,得到M个对象的第五特征,M个对象的第五特征作为图像的第二处理结果,对第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
在一种可能实现的方式中,该装置还包括:第三获取模块,用于获取N个文本,N个文本用于描述互不相同的N个类别,M≥N≥1;第二处理模块,用于通过第二待训练模型对N个文本进行编码,得到N个文本的特征;第三处理模块,用于通过第三待训练模型对N个文本的特征以及M个对象的第四特征进行匹配,得到N个文本与M个对象之间的匹配度,N个文本与M个对象之间匹配度作为图像的第三处理结果;第二获取模块1203,用于基于第一处理结果、第二处理结果以及第三处理结果,获取目标损失。
在一种可能实现的方式中,该装置还包括:第四处理模块,用于对N个文本与M个对象之间的匹配度进行聚合,得到N个文本与图像之间的匹配度,N个文本与图像之间的匹配度作为图像的第四处理结果;第二获取模块1203,用于基于第一处理结果、第二处理结果以及第四处理结果,获取目标损失。
在一种可能实现的方式中,该装置还包括:第二训练模块,用于基于目标损失对第二待训练模型以及第三待训练模型进行训练,得到第二模型以及第三模型。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参考本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还涉及一种执行设备,图13为本申请实施例提供的执行设备的一个结构示意图。如图13所示,执行设备1300具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等,此处不做限定。其中,执行设备1300上可部署有图11对应实施例中所描述的图像处理装置,用于实现图5对应实施例中图像处理的功能。具体的,执行设备1300包括:接收器1301、发射器1302、处理器1303和存储器1304(其中执行设备1300中的处理器1303的数量可以一个或多个,图13中以一个处理器为例),其中,处理器1303可以包括应用处理器13031和通信处理器13032。在本申请的一些实施例中,接收器1301、发射器1302、处理器1303和存储器1304可通过总线或其它方式连接。
存储器1304可以包括只读存储器和随机存取存储器,并向处理器1303提供指令和数据。存储器1304的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory,NVRAM)。存储器1304存储有处理器和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。
处理器1303控制执行设备的操作。具体的应用中,执行设备的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1303中,或者由处理器1303实现。处理器1303可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1303中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1303可以是通用处理器、数字信号处理器(digital signal processing,DSP)、微处理器或微控制器,还可进一步包括专用集成电路(application specific integratedcircuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1303可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1304,处理器1303读取存储器1304中的信息,结合其硬件完成上述方法的步骤。
接收器1301可用于接收输入的数字或字符信息,以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1302可用于通过第一接口输出数字或字符信息;发射器1302还可用于通过第一接口向磁盘组发送指令,以修改磁盘组中的数据;发射器1302还可以包括显示屏等显示设备。
本申请实施例中,在一种情况下,处理器1303,用于通过图5对应实施例中的第一模型,获取图像的处理结果。
本申请实施例还涉及一种训练设备,图14为本申请实施例提供的训练设备的一个结构示意图。如图14所示,训练设备1400由一个或多个服务器实现,训练设备1400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)1414(例如,一个或一个以上处理器)和存储器1432,一个或一个以上存储应用程序1442或数据1444的存储介质1430(例如一个或一个以上海量存储设备)。其中,存储器1432和存储介质1430可以是短暂存储或持久存储。存储在存储介质1430的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对训练设备中的一系列指令操作。更进一步地,中央处理器1414可以设置为与存储介质1430通信,在训练设备1400上执行存储介质1430中的一系列指令操作。
训练设备1400还可以包括一个或一个以上电源1426,一个或一个以上有线或无线网络接口1450,一个或一个以上输入输出接口1458;或,一个或一个以上操作系统1441,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,训练设备可以执行图10对应实施例中的模型训练方法。
本申请实施例还涉及一种计算机存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例还涉及一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的数据处理方法,或者,以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体的,请参阅图15,图15为本申请实施例提供的芯片的一个结构示意图,所述芯片可以表现为神经网络处理器NPU 1500,NPU 1500作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路1503,通过控制器1504控制运算电路1503提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路1503内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路1503是二维脉动阵列。运算电路1503还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路1503是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器1502中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器1501中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)1508中。
统一存储器1506用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller,DMAC)1505,DMAC被搬运到权重存储器1502中。输入数据也通过DMAC被搬运到统一存储器1506中。
BIU为Bus Interface Unit即,总线接口单元1513,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)1509的交互。
总线接口单元1513(Bus Interface Unit,简称BIU),用于取指存储器1509从外部存储器获取指令,还用于存储单元访问控制器1505从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1506或将权重数据搬运到权重存储器1502中或将输入数据数据搬运到输入存储器1501中。
向量计算单元1507包括多个运算处理单元,在需要的情况下,对运算电路1503的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对预测标签平面进行上采样等。
在一些实现中,向量计算单元1507能将经处理的输出的向量存储到统一存储器1506。例如,向量计算单元1507可以将线性函数;或,非线性函数应用到运算电路1503的输出,例如对卷积层提取的预测标签平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元1507生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路1503的激活输入,例如用于在神经网络中的后续层中的使用。
控制器1504连接的取指存储器(instruction fetch buffer)1509,用于存储控制器1504使用的指令;
统一存储器1506,输入存储器1501,权重存储器1502以及取指存储器1509均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,训练设备,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (18)
1.一种图像处理方法,其特征在于,所述方法通过第一模型实现,所述方法包括:
获取图像;
对所述图像进行编码,得到所述图像的编码结果;
对所述编码结果进行处理,得到所述图像的第一处理结果,所述第一处理结果用于确定所述图像中的M个对象的位置,M≥1;
对所述编码结果和所述第一处理结果进行处理,得到所述图像的第二处理结果,所述第二处理结果用于确定所述M个对象的类别。
2.根据权利要求1所述的方法,其特征在于,所述对所述图像进行编码,得到所述图像的编码结果包括:
对所述图像进行编码,得到所述图像中M个对象的第一特征,所述M个对象的第一特征作为所述图像的编码结果。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述编码结果进行处理,得到所述图像的第一处理结果包括:
对所述M个对象的第一特征进行基于多层感知机的处理,得到所述M个对象的第二特征,所述M个对象的第二特征作为所述图像的第一处理结果。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述第一处理结果包括所述M个对象的边界点在所述图像中的坐标,或者,所述第一处理结果包含所述M个对象的尺寸以及所述M个对象的中心点在所述图像中的坐标。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述对所述编码结果以及所述第一处理结果进行处理,得到所述图像的第二处理结果包括:
对所述M个对象的第二特征进行可变形卷积,得到所述M个对象的第三特征;
对所述M个对象的第一特征以及所述M个对象的第三特征进行融合,得到所述M个对象的第四特征;
对所述M个对象的第四特征进行处理,得到所述M个对象的第五特征,所述M个对象的第五特征作为所述图像的第二处理结果,对所述第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
6.一种模型训练方法,其特征在于,所述方法包括:
获取图像;
将所述图像输入至第一待训练模型,得到所述图像的第一处理结果以及所述图像的第二处理结果,其中,所述第一待训练模型用于:对所述图像进行编码,得到所述图像的编码结果;对所述编码结果进行处理,得到所述图像的第一处理结果,所述第一处理结果用于确定所述图像中的M个对象的位置,M≥1;对所述编码结果以及所述第一处理结果进行处理,得到所述图像的第二处理结果,所述第二处理结果用于确定所述M个对象的类别;
基于所述第一处理结果以及所述第二处理结果,获取目标损失;
基于所述目标损失对所述第一待训练模型进行训练,得到第一模型。
7.根据权利要求6所述的方法,其特征在于,所述第一待训练模型,用于对所述图像进行编码,得到所述图像中M个对象的第一特征,所述M个对象的第一特征作为所述图像的编码结果。
8.根据权利要求6或7所述的方法,其特征在于,所述第一待训练模型,用于对所述M个对象的第一特征进行基于多层感知机的处理,得到所述M个对象的第二特征,所述M个对象的第二特征作为所述图像的第一处理结果。
9.根据权利要求6至8任意一项所述的方法,其特征在于,所述第一处理结果包括所述M个对象的边界点在所述图像中的坐标,或者,所述第一处理结果包含所述M个对象的尺寸以及所述M个对象的中心点在所述图像中的坐标。
10.根据权利要求6至9任意一项所述的方法,其特征在于,所述第一待训练模型,用于:
对所述M个对象的第二特征进行可变形卷积,得到所述M个对象的第三特征;
对所述M个对象的第一特征以及所述M个对象的第三特征进行融合,得到所述M个对象的第四特征;
对所述M个对象的第四特征进行处理,得到所述M个对象的第五特征,所述M个对象的第五特征作为所述图像的第二处理结果,对所述第四特征进行的处理包含以下至少一种:基于自注意力机制的处理、基于交互注意力机制的处理以及全连接。
11.根据权利要求6至10任意一项所述所述的方法,其特征在于,所述方法还包括:
获取N个文本,所述N个文本用于描述互不相同的N个类别,M≥N≥1;
通过第二待训练模型对N个文本进行编码,得到所述N个文本的特征;
通过第三待训练模型对所述N个文本的特征以及所述M个对象的第四特征进行匹配,得到所述N个文本与所述M个对象之间的匹配度,所述N个文本与所述M个对象之间匹配度作为所述图像的第三处理结果;
所述基于所述第一处理结果以及所述第二处理结果,获取目标损失包括:
基于所述第一处理结果、所述第二处理结果以及所述第三处理结果,获取目标损失。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
对所述N个文本与所述M个对象之间的匹配度进行聚合,得到所述N个文本与所述图像之间的匹配度,所述N个文本与所述图像之间的匹配度作为所述图像的第四处理结果;
所述基于所述第一处理结果以及所述第二处理结果,获取目标损失包括:
基于所述第一处理结果、所述第二处理结果以及所述第四处理结果,获取目标损失。
13.根据权利要求11或12所述的方法,其特征在于,所述方法还包括:
基于所述目标损失对所述第二待训练模型以及所述第三待训练模型进行训练,得到第二模型以及第三模型。
14.一种图像处理装置,其特征在于,所述装置包含第一模型,所述装置包括:
获取模块,用于获取图像;
编码模块,用于对所述图像进行编码,得到所述图像的编码结果;
第一处理模块,用于对所述编码结果进行处理,得到所述图像的第一处理结果,所述第一处理结果用于确定所述图像中的M个对象的位置,M≥1;
第二处理模块,用于对所述编码结果和所述第一处理结果进行处理,得到所述图像的第二处理结果,所述第二处理结果用于确定所述M个对象的类别。
15.一种模型训练装置,其特征在于,所述装置包括:
第一获取模块,用于获取图像;
第一处理模块,用于将所述图像输入至第一待训练模型,得到所述图像的第一处理结果以及所述图像的第二处理结果,其中,所述第一待训练模型用于:对所述图像进行编码,得到所述图像的编码结果;对所述编码结果进行处理,得到所述图像的第一处理结果,所述第一处理结果用于确定所述图像中的M个对象的位置,M≥1;对所述编码结果以及所述第一处理结果进行处理,得到所述图像的第二处理结果,所述第二处理结果用于确定所述M个对象的类别;
第二获取模块,用于基于所述第一处理结果以及所述第二处理结果,获取目标损失;
第一训练模块,用于基于所述目标损失对所述第一待训练模型进行训练,得到第一模型。
16.一种图像处理装置,其特征在于,所述装置包括存储器和处理器;所述存储器存储有代码,所述处理器被配置为执行所述代码,当所述代码被执行时,所述图像处理装置执行如权利要求1至13任意一项所述的方法。
17.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或多个指令,所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至13任一所述的方法。
18.一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施权利要求1至13任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310230254.1A CN116343004A (zh) | 2023-02-28 | 2023-02-28 | 一种图像处理方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310230254.1A CN116343004A (zh) | 2023-02-28 | 2023-02-28 | 一种图像处理方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116343004A true CN116343004A (zh) | 2023-06-27 |
Family
ID=86888763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310230254.1A Pending CN116343004A (zh) | 2023-02-28 | 2023-02-28 | 一种图像处理方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116343004A (zh) |
-
2023
- 2023-02-28 CN CN202310230254.1A patent/CN116343004A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401406A (zh) | 一种神经网络训练方法、视频帧处理方法以及相关设备 | |
CN111898636B (zh) | 一种数据处理方法及装置 | |
WO2022111387A1 (zh) | 一种数据处理方法及相关装置 | |
CN113505193A (zh) | 一种数据处理方法及相关设备 | |
CN113627422A (zh) | 一种图像分类方法及其相关设备 | |
CN113065633A (zh) | 一种模型训练方法及其相关联设备 | |
CN115238909A (zh) | 一种基于联邦学习的数据价值评估方法及其相关设备 | |
CN114169393A (zh) | 一种图像分类方法及其相关设备 | |
CN116739154A (zh) | 一种故障预测方法及其相关设备 | |
CN116910201A (zh) | 一种对话数据生成方法及其相关设备 | |
CN115623242A (zh) | 一种视频处理方法及其相关设备 | |
CN115292583A (zh) | 一种项目推荐方法及其相关设备 | |
CN114707643A (zh) | 一种模型切分方法及其相关设备 | |
CN115879524A (zh) | 一种模型训练方法及其相关设备 | |
CN114841361A (zh) | 一种模型训练方法及其相关设备 | |
CN114707070A (zh) | 一种用户行为预测方法及其相关设备 | |
CN113065638A (zh) | 一种神经网络压缩方法及其相关设备 | |
CN116343004A (zh) | 一种图像处理方法及其相关设备 | |
CN116542308A (zh) | 一种任务处理方法及其相关设备 | |
CN116758572A (zh) | 一种文本获取方法及其相关设备 | |
CN117746047A (zh) | 一种图像处理方法及其相关设备 | |
CN117056589A (zh) | 一种物品推荐方法及其相关设备 | |
CN116312489A (zh) | 一种模型训练方法及其相关设备 | |
CN117149034A (zh) | 一种图像处理方法及其相关设备 | |
CN117251487A (zh) | 一种项目推荐方法及其相关设备 |
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 |