CN116385775A - 图像标签的添加方法、装置、电子设备及存储介质 - Google Patents
图像标签的添加方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116385775A CN116385775A CN202310238307.4A CN202310238307A CN116385775A CN 116385775 A CN116385775 A CN 116385775A CN 202310238307 A CN202310238307 A CN 202310238307A CN 116385775 A CN116385775 A CN 116385775A
- Authority
- CN
- China
- Prior art keywords
- feature map
- channel
- layer
- feature
- convolutional
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013527 convolutional neural network Methods 0.000 claims description 68
- 230000005284 excitation Effects 0.000 claims description 59
- 238000010586 diagram Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 26
- 230000006835 compression Effects 0.000 claims description 21
- 238000007906 compression Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005728 strengthening Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 15
- 238000012552 review Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000011176 pooling Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 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
- 238000010304 firing Methods 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
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06V10/764—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
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (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 Processing (AREA)
Abstract
本公开提供一种图像标签的添加方法、装置、电子设备及存储介质,本公开涉及人工智能技术领域,具体涉及计算机视觉和图像识别等技术领域。具体实现方案包括:对图像进行特征提取以得到第一特征图;确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图;对目标强化特征图进行特征提取以得到第二特征图;确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图;基于最终特征图确定图像对应的标签。上述方法增加的步骤能够提高数据处理效率和标签识别结果的准确性,从而降低提示图片的错误率,减少人审成本。
Description
技术领域
本公开本涉及人工智能技术领域,具体涉及计算机视觉和图像识别等技术领域。
背景技术
相关技术中,为了标记图像中的敏感场景,现有技术通常使用图神经网络模型或含有LSTM模块的网络模型来为图像添加多个用于指示对应敏感场景的标签,然而上述模型对图像处理过程耗时较长,在高任务量的场景下性能不足,无法满足标签标注的实时性的需求。
发明内容
本公开提供了一种图像标签的添加方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种图像标签的添加方法,方法包括:
对图像进行特征提取以得到第一特征图;
确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图;
对目标强化特征图进行特征提取以得到第二特征图;
确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图;
基于最终特征图确定图像对应的标签。
在本公开的一些实施例中,确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图,包括:
确定第一特征图的每个通道的通道注意力参数,基于第一特征图的每个通道的通道注意力参数调整该通道中的特征值,得到初始强化特征图;
确定初始强化特征图的空间注意力参数,基于空间注意力参数调整初始强化特征图的每个通道中的特征值,得到目标强化特征图,其中,初始强化特征图的各个通道对应于同一个空间注意力参数。
在本公开的一些实施例中,确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图,包括:
确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到中间特征图;
对中间特征图进行特征提取以得到第三特征图;
确定第三特征图的每个通道的权重系数,基于第三特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图。
在本公开的一些实施例中,基于最终特征图确定图像对应的标签,包括:
基于最终特征图的每个通道的特征值,计算该通道对应的标签置信度;
基于最终特征图的每个通道对应的标签置信度,确定图像对应的标签。
在本公开的一些实施例中,目标强化特征图是由改造后的卷积神经网络中的卷积块注意层得到的,卷积块注意层位于卷积神经网络的两个卷积层之间;
卷积块注意层之前的卷积层用于获取第一特征图,卷积块注意层之后的卷积层用于获取第二特征图。
在本公开的一些实施例中,卷积块注意层位于卷积神经网络的第1个卷积层和第2个卷积层之间;
第1个卷积层用于获取第一特征图,第2个卷积层至第N个卷积层用于获取第二特征图,N大于或等于2。
在本公开的一些实施例中,最终特征图是由卷积神经网络中的压缩激发层得到的,压缩激发层位于卷积神经网络的第N个卷积层之后,第N个卷积层位于卷积块注意层之后,N大于或等于2。
在本公开的一些实施例中,中间特征图是由卷积神经网络中的第1个压缩激发层得到的,第1个压缩激发层位于卷积神经网络的第N个卷积层之后;
第三特征图由第1个压缩激发层之后的第(N+1)个卷积层得到的,N大于或等于2;
最终特征图是由卷积神经网络中的第2个压缩激发层得到的,第2个压缩激发层位于第(N+1)个卷积层之后。
根据本公开的第二方面,提供了一种图像标签的添加装置,图像标签的添加装置包括第一特征提取模块、特征强化模块、第二特征提取模块、权重确定模块和标签确定模块;
第一特征提取模块用于对图像进行特征提取以得到第一特征图;
特征强化模块用于确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图;
第二特征提取模块用于对目标强化特征图进行特征提取以得到第二特征图;
权重确定模块用于确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图;
标签确定模块用于基于最终特征图确定图像对应的标签。
在本公开的一些实施例中,特征强化模块在用于确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图时,具体用于:
确定第一特征图的每个通道的通道注意力参数,基于第一特征图的每个通道的通道注意力参数调整该通道中的特征值,得到初始强化特征图;
确定初始强化特征图的空间注意力参数,基于空间注意力参数调整初始强化特征图的每个通道中的特征值,得到目标强化特征图,其中,初始强化特征图的各个通道对应于同一个空间注意力参数。
在本公开的一些实施例中,权重确定模块在用于确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图时,具体用于:
确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到中间特征图;
对中间特征图进行特征提取以得到第三特征图;
确定第三特征图的每个通道的权重系数,基于第三特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图。
在本公开的一些实施例中,标签确定模块在用于基于最终特征图确定图像对应的标签时,具体用于:
基于最终特征图的每个通道的特征值,计算该通道对应的标签置信度;
基于最终特征图的每个通道对应的标签置信度,确定图像对应的标签。
在本公开的一些实施例中,目标强化特征图是由改造后的卷积神经网络中的卷积块注意层得到的,卷积块注意层位于卷积神经网络的两个卷积层之间;
卷积块注意层之前的卷积层用于获取第一特征图,卷积块注意层之后的卷积层用于获取第二特征图。
在本公开的一些实施例中,卷积块注意层位于卷积神经网络的第1个卷积层和第2个卷积层之间;
第1个卷积层用于获取第一特征图,第2个卷积层至第N个卷积层用于获取第二特征图,N大于或等于2。
在本公开的一些实施例中,最终特征图是由卷积神经网络中的压缩激发层得到的,压缩激发层位于卷积神经网络的第N个卷积层之后,第N个卷积层位于卷积块注意层之后,N大于或等于2。
在本公开的一些实施例中,中间特征图是由卷积神经网络中的第1个压缩激发层得到的,第1个压缩激发层位于卷积神经网络的第N个卷积层之后;
第三特征图由第1个压缩激发层之后的第(N+1)个卷积层得到的,N大于或等于2;
最终特征图是由卷积神经网络中的第2个压缩激发层得到的,第2个压缩激发层位于第(N+1)个卷积层之后。
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如第一方面所述的方法。
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,所述计算机指令用于使计算机执行根据第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序项目,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第一方面所述的方法。
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。
本公开提供的技术方案带来的有益效果是:
本公开实施例提供的图像标签的添加方法,在传统的卷积神经网络识别图像类型的过程中,增加了通过注意力参数来调整特征图的中的特征值的步骤凸显图像中的有效区域、增加了基于特征图的每个通道的权重系数调整通道中的特征值的步骤对各标签的关系建模,上述增加的步骤能够提高数据处理效率和标签识别结果的准确性,从而降低提示图片的错误率,减少人审成本。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示出了本公开提供的一种改造后的卷积神经网络的示意图;
图2示出了本公开提供的另一种改造后的卷积神经网络的示意图;
图3示出了本公开提供的一种图像标签的添加方法的流程示意图;
图4示出了本公开提供的应用改造后的卷积神经网络实现图像标签的添加方法的流程示意图;
图5示出了本公开提供的一种图像标签的添加装置的示意图;
图6示出了可以用来实施本公开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。
应当理解,在本公开各实施例中,字符“/”一般表示前后关联对象是一种“或”的关系。术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
相关技术中,为了标记图像中的敏感场景,现有技术通常使用图神经网络模型或含有LSTM模块的网络模型来为图像添加多个用于指示对应敏感场景的标签,然而上述模型对图像处理过程耗时较长,在高任务量的场景下性能不足,无法满足标签标注的实时性的需求。
本公开实施例提供的图像标签的添加方法,在传统的卷积神经网络识别图像类型的过程中,增加了通过注意力参数来调整特征图的中的特征值的步骤凸显图像中的有效区域、增加了基于特征图的每个通道的权重系数调整通道中的特征值的步骤对各标签的关系建模,上述增加的步骤能够提高数据处理效率和标签识别结果的准确性,从而降低提示图片的错误率,减少人审成本。
该方法的执行主体可以是终端设备、或者计算机、又或者服务器,或者还可以是其他具有数据处理能力的设备。在此对该方法的执行主体不作限制。在一些实施例中,本公开实施例提供的图像标签的添加方法的执行主体可以主车上的终端设备(如车载电脑)。
可选地,终端设备可以是手机,也可以是平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personaldigital assistant,PDA)等,本公开实施例对终端设备的具体类型不作限制。
一些实施例中,服务器可以是单独的一个服务器,或者,也可以是由多个服务器构成的服务器集群。部分实施方式中,服务器集群还可以是分布式集群。本公开对服务器的具体实现方式也不作限制。
下面对本公开提供的图像标签的添加方法进行示例性说明。
本公开提供的图像标签的添加方法可以基于改造后的卷积神经网络实现,这里,卷积神经网络可以是VGGNet、Xception、MobileNet和ResNet101等。由于各类GPU对卷积神经网络的优化更多,因而网络推理时间也会更快,因此可以对卷积神经网络形式的分类网络进行改造,在分类网络中的合适位置加入适配模块,使得改造后的分类网络能够为图像添加多个用于指示对应场景的标签。
图1示出了本公开提供的一种改造后的卷积神经网络的示意图,如图1所示,可以在卷积神经网络的两个卷积层之间设置一个卷积块注意层(Convolutional BlockAttention Module,CBAM),其中,卷积块注意层之前的卷积层可以用于获取图像的第一特征图,卷积块注意层可以基于第一特征图获取目标强化特征图,卷积块注意层之后的卷积层可以对目标强化特征图进行特征提取以获取第二特征图。例如,卷积块注意层位于卷积神经网络的第1个卷积层和第2个卷积层之间,第1个卷积层用于获取第一特征图,第2个卷积层至第N个卷积层用于获取第二特征图,其中,N大于或等于2。将卷积块注意层设置在第1个卷积层之后,可以及早地加凸显图像中的有效区域,使得后续步骤对有效区域的数据进行针对性处理,提高数据处理效率且节约计算资源。
可选地,如图1所示,可以在卷积神经网络的第N个卷积层位于卷积块注意层之后设置压缩激发层(Squeeze-and-Excitation Network,SE-NET),第N个卷积层位于卷积块注意层之后,其中,N大于或等于2。压缩激发层可以基于第二特征图获取最终特征图。在压缩激发层之后可以设置均值池化层、全连接层和Sigmoid层,均值池化层、全连接层和Sigmoid层可以最终特征图可以用于确定图像对应的标签。
图2示出了本公开提供的另一种改造后的卷积神经网络的示意图,如图2所示,可以在卷积神经网络中设置两个压缩激发层,两个压缩激发层分别是第1个压缩激发层和第2个压缩激发层。具体地,第1个压缩激发层位于卷积神经网络的第N个卷积层之后,第1个压缩激发层之后是卷积神经网络的第(N+1)个卷积层,第(N+1)个卷积层之后设置第2个压缩激发层。这里,第1个压缩激发层可以基于第二特征图获取中间特征图,第(N+1)个卷积层可以对中间特征图进行特征提取以获得第三特征图,第2个压缩激发层可以基于第三特征图获取最终特征图。在第2个压缩激发层之后可以设置均值池化层、全连接层和Sigmoid层,均值池化层、全连接层和Sigmoid层可以用于确定图像对应的标签。
图3示出了本公开提供的一种图像标签的添加方法的流程示意图,如图3所示,该方法主要可以包括以下步骤:
S310:对图像进行特征提取以得到第一特征图。
在S310中,可以将图像输入到卷积神经网络的卷积层后,基于卷积层对图像进行特征提取,从而得到第一特征图。进一步地,可以将图像输入到卷积神经网络的第1个卷积层中,仅基于第1个卷积层对图像进行特征提取,从而得到第一特征图。
S320:确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图。
在S320中,可以将第一特征图输入到卷积块注意层,卷积块注意层可以确定第一特征图的注意力参数,并基于注意力参数调整第一特征图的每个通道中的特征值以得到目标强化特征图。
可选地,第一特征图的注意力参数可以包括通道注意力参数和空间注意力参数,其中,初始强化特征图的各个通道对应于同一个空间注意力参数。可以理解的是,通道注意力参数和空间注意力参数是两个互补的注意力参数,通道注意力参数集中在给定输入图像的“什么”是有意义的,空间注意集中在定输入图像的“where”的相关信息,基于两个互补的注意力参数来调整第一特征图中的特征值,能够更加凸显图像中的有效区域,便于后续步骤对有效区域的数据进行针对性处理,提高数据处理效率和标签识别结果的准确性。具体地,卷积块注意层可以确定第一特征图的每个通道的通道注意力参数,基于第一特征图的每个通道的通道注意力参数调整该通道中的特征值,得到初始强化特征图;之后确定初始强化特征图的空间注意力参数,基于空间注意力参数调整初始强化特征图的每个通道中的特征值,得到目标强化特征图。
S330:对目标强化特征图进行特征提取以得到第二特征图。
在S330中,可以将目标强化特征图输入到卷积神经网络中卷积块注意层之后的卷积层中,利用此处的卷积层对目标强化特征图进行特征提取,之后输出第二特征图。
可选地,可以将目标强化特征图输入到卷积神经网络的第2个卷积层,利用第2个卷积层至第N个卷积层对目标强化特征图进行(N-1)次的特征提取,最终由第N个卷积层输出第二特征图。
S340:确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图。
在S340中,可以将第二特征图输入到卷积神经网络中的压缩激发层,压缩激发层确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,之后输出最终特征图。通过第二特征图的每个通道的权重系数调整该通道中的特征值,实现了对各标签的关系建模,便于更加准确地识别出图像所对应的标签。
可选地,本公开实施例可以确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到中间特征图;之后对中间特征图进行特征提取以得到第三特征图;最后确定第三特征图的每个通道的权重系数,基于第三特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图。
具体来说,卷积神经网络中设置了第1个压缩激发层和第2个压缩激发层。具体地,第1个压缩激发层位于卷积神经网络的第N个卷积层之后,第1个压缩激发层之后是卷积神经网络的第(N+1)个卷积层,第(N+1)个卷积层之后设置第2个压缩激发层。这里,可以将第二特征图输入到第1个压缩激发层,第1个压缩激发层可以确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值以输出中间特征图,第(N+1)个卷积层可以对中间特征图提取后输出第三特征图,第2个压缩激发层可以确定第三特征图的每个通道的权重系数,基于第三特征图的每个通道的权重系数调整该通道中的特征值以输出最终特征图。
S350:基于最终特征图确定图像对应的标签。
在S350中,可以将最终特征图输入到均值池化层,之后基于均值池化层、全连接层和Sigmoid层确定图像对应的标签。
可选地,本公开实施例可以基于最终特征图的每个通道的特征值,计算该通道对应的标签置信度;之后基于最终特征图的每个通道对应的标签置信度,确定图像对应的标签。
具体地,可以将最终特征图定义为(C,H,W),其中,C为最终特征图的通道数,H和W分别表示通道中的不同维度。均值池化层可以将最终特征图(C,H,W)归一化为(C,1,1),在每个通道的H和W两个维度将特征值取均值;之后将(C,1,1)输入到全连接层,全连接层可以将(C,1,1)映射到M个维度得到M个分值,这里,最终特征图的每个通道对应一个分值;Sigmoid层可以将各个分值归一化到0至1之间,得到最终特征图的每个通道对应的标签置信度。
可以理解的是,如果一个标签置信度大于对应的置信度阈值,则可以将对应的标签标注给图像;如果每个标签置信度均小于对应的置信度阈值,则确定图像不需要标注标签。
图4示出了本公开提供的应用改造后的卷积神经网络实现图像标签的添加方法的流程示意图,图4中使用的卷积神经网络是ResNet101,如图4所示,卷积块注意层设置在ResNet101的第1个卷积层之后,卷积块注意层之后为ResNet101的第1个卷积层至第99个卷积层,第1个压缩激发层在第99个卷积层之后,第1个压缩激发层是ResNet101的第1个卷积层至第100个卷积层,第2个压缩激发层在第100个卷积层之后,第2个压缩激发层之后设置有均值池化层、全连接层和Sigmoid层。
在图4中,将图像输入到ResNet101的第1个卷积层中,基于第1个卷积层对图像进行特征提取,从而得到第一特征图;之后将第一特征图输入到卷积块注意层,卷积块注意层可以确定第一特征图的注意力参数,并基于注意力参数调整第一特征图的每个通道中的特征值以得到目标强化特征图;卷积块注意层将目标强化特征图输入到卷积神经网络的第2个卷积层,利用第2个卷积层至第99个卷积层对目标强化特征图进行98次的特征提取,最终由第99个卷积层输出第二特征图;第99个卷积层将第二特征图输入到第1个压缩激发层,第1个压缩激发层可以确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值以输出中间特征图,第100个卷积层可以对中间特征图提取后输出第三特征图,第2个压缩激发层可以确定第三特征图的每个通道的权重系数,基于第三特征图的每个通道的权重系数调整该通道中的特征值以输出最终特征图;将最终特征图定义为(C,H,W),其中,C为最终特征图的通道数,H和W分别表示通道中的不同维度。均值池化层可以将最终特征图(C,H,W)归一化为(C,1,1),在每个通道的H和W两个维度将特征值取均值;之后将(C,1,1)输入到全连接层,全连接层可以将(C,1,1)映射到M个维度得到M个分值,这里,最终特征图的每个通道对应一个分值;Sigmoid层可以将各个分值归一化到0至1之间,得到最终特征图的每个通道对应的标签置信度。可以理解的是,如果一个标签置信度大于对应的置信度阈值,则可以将对应的标签标注给图像。
基于与上述的图像标签的添加方法相同的原理,本公开实施例提供了一种图像标签的添加装置,图5示出了本公开提供的一种图像标签的添加装置的示意图,如图5所示,图像标签的添加装置500包括第一特征提取模块510、特征强化模块520、第二特征提取模块530、权重确定模块540和标签确定模块550。
第一特征提取模块510用于对图像进行特征提取以得到第一特征图;
特征强化模块520用于确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图;
第二特征提取模块530用于对目标强化特征图进行特征提取以得到第二特征图;
权重确定模块540用于确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图;
标签确定模块550用于基于最终特征图确定图像对应的标签。
本公开实施例提供的图像标签的添加装置,在传统的卷积神经网络识别图像类型的过程中,增加了通过注意力参数来调整特征图的中的特征值的步骤凸显图像中的有效区域、增加了基于特征图的每个通道的权重系数调整通道中的特征值的步骤对各标签的关系建模,上述增加的步骤能够提高数据处理效率和标签识别结果的准确性,从而降低提示图片的错误率,减少人审成本。
在本公开的一些实施例中,特征强化模块520在用于确定第一特征图的注意力参数,基于注意力参数调整第一特征图的每个通道中的特征值,得到目标强化特征图时,具体用于:
确定第一特征图的每个通道的通道注意力参数,基于第一特征图的每个通道的通道注意力参数调整该通道中的特征值,得到初始强化特征图;
确定初始强化特征图的空间注意力参数,基于空间注意力参数调整初始强化特征图的每个通道中的特征值,得到目标强化特征图,其中,初始强化特征图的各个通道对应于同一个空间注意力参数。
在本公开的一些实施例中,权重确定模块540在用于确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图时,具体用于:
确定第二特征图的每个通道的权重系数,基于第二特征图的每个通道的权重系数调整该通道中的特征值,得到中间特征图;
对中间特征图进行特征提取以得到第三特征图;
确定第三特征图的每个通道的权重系数,基于第三特征图的每个通道的权重系数调整该通道中的特征值,得到最终特征图。
在本公开的一些实施例中,标签确定模块550在用于基于最终特征图确定图像对应的标签时,具体用于:
基于最终特征图的每个通道的特征值,计算该通道对应的标签置信度;
基于最终特征图的每个通道对应的标签置信度,确定图像对应的标签。
在本公开的一些实施例中,目标强化特征图是由改造后的卷积神经网络中的卷积块注意层得到的,卷积块注意层位于卷积神经网络的两个卷积层之间;
卷积块注意层之前的卷积层用于获取第一特征图,卷积块注意层之后的卷积层用于获取第二特征图。
在本公开的一些实施例中,卷积块注意层位于卷积神经网络的第1个卷积层和第2个卷积层之间;
第1个卷积层用于获取第一特征图,第2个卷积层至第N个卷积层用于获取第二特征图,N大于或等于2。
在本公开的一些实施例中,最终特征图是由卷积神经网络中的压缩激发层得到的,压缩激发层位于卷积神经网络的第N个卷积层之后,第N个卷积层位于卷积块注意层之后,N大于或等于2。
在本公开的一些实施例中,中间特征图是由卷积神经网络中的第1个压缩激发层得到的,第1个压缩激发层位于卷积神经网络的第N个卷积层之后;
第三特征图由第1个压缩激发层之后的第(N+1)个卷积层得到的,N大于或等于2;
最终特征图是由卷积神经网络中的第2个压缩激发层得到的,第2个压缩激发层位于第(N+1)个卷积层之后。
可以理解的是,本公开实施例中的图像标签的添加装置的上述各模块具有实现上述的图像标签的添加方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述图像标签的添加装置的各模块的功能描述具体可以参见上述的图像标签的添加方法的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,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,本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序项目。
示例性实施例中,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如以上实施例所述的方法。该电子设备可以是上述计算机或服务器。
示例性实施例中,可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行根据以上实施例所述的方法。
示例性实施例中,计算机程序项目包括计算机程序,所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
图6示出了可以用来实施本公开的实施例的示例电子设备400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6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600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601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601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601执行上文所描述的各个方法和处理,例如图像标签的添加方法。例如,在一些实施例中,图像标签的添加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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的图像标签的添加方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像标签的添加方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准项目(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 (19)
1.一种图像标签的添加方法,所述方法包括:
对图像进行特征提取以得到第一特征图;
确定所述第一特征图的注意力参数,基于所述注意力参数调整所述第一特征图的每个通道中的特征值,得到目标强化特征图;
对所述目标强化特征图进行特征提取以得到第二特征图;
确定所述第二特征图的每个通道的权重系数,基于所述第二特征图的每个通道的所述权重系数调整该通道中的特征值,得到最终特征图;
基于所述最终特征图确定所述图像对应的标签。
2.根据权利要求1所述的方法,其中,所述确定所述第一特征图的注意力参数,基于所述注意力参数调整所述第一特征图的每个通道中的特征值,得到目标强化特征图,包括:
确定所述第一特征图的每个通道的通道注意力参数,基于所述第一特征图的每个通道的所述通道注意力参数调整该通道中的特征值,得到初始强化特征图;
确定所述初始强化特征图的空间注意力参数,基于所述空间注意力参数调整所述初始强化特征图的每个通道中的特征值,得到目标强化特征图,其中,所述初始强化特征图的各个通道对应于同一个所述空间注意力参数。
3.根据权利要求1所述的方法,其中,所述确定所述第二特征图的每个通道的权重系数,基于所述第二特征图的每个通道的所述权重系数调整该通道中的特征值,得到最终特征图,包括:
确定所述第二特征图的每个通道的权重系数,基于所述第二特征图的每个通道的所述权重系数调整该通道中的特征值,得到中间特征图;
对所述中间特征图进行特征提取以得到第三特征图;
确定所述第三特征图的每个通道的权重系数,基于所述第三特征图的每个通道的所述权重系数调整该通道中的特征值,得到最终特征图。
4.根据权利要求1所述的方法,其中,所述基于所述最终特征图确定所述图像对应的标签,包括:
基于所述最终特征图的每个通道的特征值,计算该通道对应的标签置信度;
基于所述最终特征图的每个通道对应的标签置信度,确定所述图像对应的标签。
5.根据权利要求1-4中任一项所述的方法,其中,所述目标强化特征图是由改造后的卷积神经网络中的卷积块注意层得到的,所述卷积块注意层位于所述卷积神经网络的两个卷积层之间;
所述卷积块注意层之前的卷积层用于获取所述第一特征图,所述卷积块注意层之后的卷积层用于获取所述第二特征图。
6.根据权利要求5所述的方法,其中,所述卷积块注意层位于所述卷积神经网络的第1个卷积层和第2个卷积层之间;
所述第1个卷积层用于获取所述第一特征图,所述第2个卷积层至第N个卷积层用于获取所述第二特征图,N大于或等于2。
7.根据权利要求5所述的方法,其中,所述最终特征图是由所述卷积神经网络中的压缩激发层得到的,所述压缩激发层位于所述卷积神经网络的第N个卷积层之后,所述第N个卷积层位于所述卷积块注意层之后,N大于或等于2。
8.根据权利要求5所述的方法,其中,所述中间特征图是由所述卷积神经网络中的第1个压缩激发层得到的,所述第1个压缩激发层位于所述卷积神经网络的第N个卷积层之后;
所述第三特征图由所述第1个压缩激发层之后的第(N+1)个卷积层得到的,N大于或等于2;
所述最终特征图是由所述卷积神经网络中的第2个压缩激发层得到的,所述第2个压缩激发层位于所述第(N+1)个卷积层之后。
9.一种图像标签的添加装置,所述装置包括:
第一特征提取模块,用于对图像进行特征提取以得到第一特征图;
特征强化模块,用于确定所述第一特征图的注意力参数,基于所述注意力参数调整所述第一特征图的每个通道中的特征值,得到目标强化特征图;
第二特征提取模块,用于对所述目标强化特征图进行特征提取以得到第二特征图;
权重确定模块,用于确定所述第二特征图的每个通道的权重系数,基于所述第二特征图的每个通道的所述权重系数调整该通道中的特征值,得到最终特征图;
标签确定模块,用于基于所述最终特征图确定所述图像对应的标签。
10.根据权利要求9所述的装置,其中,所述特征强化模块在用于确定所述第一特征图的注意力参数,基于所述注意力参数调整所述第一特征图的每个通道中的特征值,得到目标强化特征图时,具体用于:
确定所述第一特征图的每个通道的通道注意力参数,基于所述第一特征图的每个通道的所述通道注意力参数调整该通道中的特征值,得到初始强化特征图;
确定所述初始强化特征图的空间注意力参数,基于所述空间注意力参数调整所述初始强化特征图的每个通道中的特征值,得到目标强化特征图,其中,所述初始强化特征图的各个通道对应于同一个所述空间注意力参数。
11.根据权利要求9所述的装置,其中,所述权重确定模块在用于确定所述第二特征图的每个通道的权重系数,基于所述第二特征图的每个通道的所述权重系数调整该通道中的特征值,得到最终特征图时,具体用于:
确定所述第二特征图的每个通道的权重系数,基于所述第二特征图的每个通道的所述权重系数调整该通道中的特征值,得到中间特征图;
对所述中间特征图进行特征提取以得到第三特征图;
确定所述第三特征图的每个通道的权重系数,基于所述第三特征图的每个通道的所述权重系数调整该通道中的特征值,得到最终特征图。
12.根据权利要求9所述的装置,其中,所述标签确定模块在用于基于所述最终特征图确定所述图像对应的标签时,具体用于:
基于所述最终特征图的每个通道的特征值,计算该通道对应的标签置信度;
基于所述最终特征图的每个通道对应的标签置信度,确定所述图像对应的标签。
13.根据权利要求9-12中任一项所述的装置,其中,所述目标强化特征图是由改造后的卷积神经网络中的卷积块注意层得到的,所述卷积块注意层位于所述卷积神经网络的两个卷积层之间;
所述卷积块注意层之前的卷积层用于获取所述第一特征图,所述卷积块注意层之后的卷积层用于获取所述第二特征图。
14.根据权利要求13所述的方法,其中,所述卷积块注意层位于所述卷积神经网络的第1个卷积层和第2个卷积层之间;
所述第1个卷积层用于获取所述第一特征图,所述第2个卷积层至第N个卷积层用于获取所述第二特征图,N大于或等于2。
15.根据权利要求13所述的方法,其中,所述最终特征图是由所述卷积神经网络中的压缩激发层得到的,所述压缩激发层位于所述卷积神经网络的第N个卷积层之后,所述第N个卷积层位于所述卷积块注意层之后,N大于或等于2。
16.根据权利要求13所述的方法,其中,所述中间特征图是由所述卷积神经网络中的第1个压缩激发层得到的,所述第1个压缩激发层位于所述卷积神经网络的第N个卷积层之后;
所述第三特征图由所述第1个压缩激发层之后的第(N+1)个卷积层得到的,N大于或等于2;
所述最终特征图是由所述卷积神经网络中的第2个压缩激发层得到的,所述第2个压缩激发层位于所述第(N+1)个卷积层之后。
17.一种电子设备,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任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行根据权利要求1-8任一项所述的方法。
19.一种计算机程序项目,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1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310238307.4A CN116385775A (zh) | 2023-03-07 | 2023-03-07 | 图像标签的添加方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310238307.4A CN116385775A (zh) | 2023-03-07 | 2023-03-07 | 图像标签的添加方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385775A true CN116385775A (zh) | 2023-07-04 |
Family
ID=86962490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310238307.4A Pending CN116385775A (zh) | 2023-03-07 | 2023-03-07 | 图像标签的添加方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385775A (zh) |
-
2023
- 2023-03-07 CN CN202310238307.4A patent/CN116385775A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560874B (zh) | 图像识别模型的训练方法、装置、设备和介质 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN113393371B (zh) | 一种图像处理方法、装置及电子设备 | |
CN112967315B (zh) | 一种目标跟踪方法、装置及电子设备 | |
CN112949767A (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN113792804B (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
CN113139463B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
CN114842541A (zh) | 模型的训练及人脸识别方法、装置、设备以及存储介质 | |
CN114549904A (zh) | 视觉处理及模型训练方法、设备、存储介质及程序产品 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN116385775A (zh) | 图像标签的添加方法、装置、电子设备及存储介质 | |
CN113610856A (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN115641481A (zh) | 用于训练图像处理模型和图像处理的方法、装置 | |
CN113591567A (zh) | 目标检测方法、目标检测模型的训练方法及其装置 | |
CN113379592A (zh) | 图片中敏感区域的处理方法、装置和电子设备 | |
CN115482422B (zh) | 深度学习模型的训练方法、图像处理方法和装置 | |
CN116611477B (zh) | 数据剪枝方法和序列模型的训练方法、装置、设备和介质 | |
CN115496916B (zh) | 图像识别模型的训练方法、图像识别方法以及相关装置 |
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 |