CN117274575A - 目标检测模型的训练方法、目标检测方法、装置和设备 - Google Patents
目标检测模型的训练方法、目标检测方法、装置和设备 Download PDFInfo
- Publication number
- CN117274575A CN117274575A CN202311282911.3A CN202311282911A CN117274575A CN 117274575 A CN117274575 A CN 117274575A CN 202311282911 A CN202311282911 A CN 202311282911A CN 117274575 A CN117274575 A CN 117274575A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- features
- target
- model
- detected
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 305
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012549 training Methods 0.000 title claims abstract description 56
- 238000013136 deep learning model Methods 0.000 claims description 57
- 238000000605 extraction Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- 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
- G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种目标检测模型的训练方法、目标检测方法、装置和设备,涉及人工智能技术领域,具体为计算机视觉、虚拟现实、深度学习、大模型等技术领域,可应用于自动驾驶等场景。训练方法包括:利用编码子模型对样本图像和对应的三维位置信息进行编码得到综合编码特征,样本图像是基于多个视角对周边环境进行拍摄而得到的;利用解码子模型基于综合编码特征对多个目标查询特征进行解码得到多个解码特征;利用三维目标检测子模型和二维目标检测子模型对多个解码特征进行三维目标检测和二维目标检测;基于真实标签和多个解码特征对应的检测结果进行训练。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉、虚拟现实、深度学习、大模型等技术领域,可应用于自动驾驶等场景,特别涉及一种目标检测模型的训练方法、目标检测方法、目标检测模型的训练装置、目标检测装置、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
本公开提供了一种目标检测模型的训练方法、目标检测方法、目标检测模型的训练装置、目标检测装置、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,提供了一种目标检测模型的训练方法,包括:一种目标检测模型的训练方法,包括:利用深度学习模型中的编码子模型对多个样本图像和多个样本图像的三维位置信息进行编码,得到多个样本图像对应的多个综合编码特征,多个样本图像是基于多个视角对周边环境进行拍摄而得到的;利用深度学习模型中的解码子模型,基于多个综合编码特征对待训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;利用深度学习模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;利用深度学习模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果;以及基于三维目标检测结果、二维目标检测结果以及与多个样本图像对应的真实标签,训练深度学习模型和多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征。
根据本公开的一方面,提供了一种目标检测方法,包括:利用目标检测模型中的编码子模型对多个待检测图像和多个待检测图像的三维位置信息进行编码,得到多个待检测图像对应的多个综合编码特征,多个待检测图像是基于多个视角对周边环境进行拍摄而得到的;利用目标检测模型中的解码子模型,基于多个综合编码特征对经训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;利用目标检测模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;利用目标检测模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果。
根据本公开的一方面,提供了一种目标检测模型的训练装置,包括:第一编码单元,被配置为利用深度学习模型中的编码子模型对多个样本图像和多个样本图像的三维位置信息进行编码,得到多个样本图像对应的多个综合编码特征,多个样本图像是基于多个视角对周边环境进行拍摄而得到的;第一解码单元,被配置为利用深度学习模型中的解码子模型,基于多个综合编码特征对待训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;第一三维目标预测单元,被配置为利用深度学习模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;第一二维目标预测单元,被配置为利用深度学习模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果;以及训练单元,被配置为基于多个解码特征中的每一个解码特征对应的三维目标检测结果、二维目标检测结果以及目标检测真实标签,训练深度学习模型和多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征。
根据本公开的一方面,提供了一种目标检测装置,包括:第二编码单元,被配置为利用目标检测模型中的编码子模型对多个待检测图像和多个待检测图像的三维位置信息进行编码,得到多个待检测图像对应的多个综合编码特征,多个待检测图像是基于多个视角对周边环境进行拍摄而得到的;第二解码单元,被配置为利用目标检测模型中的解码子模型,基于多个综合编码特征对经训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;第二三维目标预测单元,被配置为利用目标检测模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;以及第二二维目标预测单元,被配置为利用目标检测模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果。
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,这些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上述方法。
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,计算机指令用于使计算机执行上述方法。
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,计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,通过复用同一个目标查询特征对应的解码特征同步预测三维目标检测结果和二维目标检测结果,使得直接能够得到准确的二维目标检测结果,而通过同时利用这两者对深度学习模型进行训练,使得模型的三维目标检测能力和二维目标检测能力之间能够相互促进,提升训练后的模型的预测能力。
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示出了根据本公开示例性实施例的目标检测模型的训练方法的流程图;
图3示出了根据本公开示例性实施例的对多个样本图像和多个样本图像各自对应的三维位置信息进行编码的流程图;
图4示出了根据本公开示例性实施例的目标检测模型的训练方法的流程图;
图5示出了根据本公开示例性实施例的训练深度学习模型和多个目标查询特征的流程图;
图6示出了根据本公开示例性实施例的目标检测方法的流程图;
图7示出了根据本公开示例性实施例的目标检测模型的训练装置的结构框图;
图8示出了根据本公开示例性实施例的目标检测装置的结构框图;以及
图9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。
相关技术中,在进行三维目标检测得到目标的三维信息后,通常通过投影的方式得到该目标的二维信息,但这样的方式得到的结果准确度欠佳。
为解决上述问题,本公开通过复用同一个目标查询特征对应的解码特征同步预测三维目标检测结果和二维目标检测结果,使得直接能够得到准确的二维目标检测结果,而通过同时利用这两者对深度学习模型进行训练,使得模型的三维目标检测能力和二维目标检测能力之间能够相互促进,提升训练后的模型的预测能力。
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本公开的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还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。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)网络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来进行人机交互。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、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使用的数据存储库可以在服务器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使用的数据库可以是数据库,例如关系数据库。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。
根据本公开的一方面,提供了一种目标检测模型的训练方法。如图2所示,目标检测模型的训练方法包括:步骤S201、利用深度学习模型中的编码子模型对多个样本图像和多个样本图像的三维位置信息进行编码,得到多个样本图像对应的多个综合编码特征,多个样本图像是基于多个视角对周边环境进行拍摄而得到的;步骤S202、利用深度学习模型中的解码子模型,基于多个综合编码特征对待训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;步骤S203、利用深度学习模型中的三维目标检测子模型对多个解码特征进行三维目标检测;步骤S204、利用深度学习模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果;以及步骤S205、基于三维目标检测结果、二维目标检测结果以及与多个样本图像对应的真实标签,训练深度学习模型和多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征。
由此,通过复用同一个目标查询特征对应的解码特征同步预测三维目标检测结果和二维目标检测结果,使得直接能够得到准确的二维目标检测结果,而通过同时利用这两者对深度学习模型进行训练,使得模型的三维目标检测能力和二维目标检测能力之间能够相互促进,提升训练后的模型的预测能力。
在一些实施例中,多个样本图像可以是自动驾驶车辆或者信息采集车中的相机或其他信息采集设备基于多个视角对周边环境进行拍摄而得到的。在一个示例性实施例中,多个视角可以包括前方、左前、右前、后方、左后、右后共六个视角。在一些实施例中,深度学习模型和经训练后得到的目标检测模型可以用于检测周边环境中的车辆。
在一些实施例中,三维位置信息例如可以是对应的样本图像所拍摄的内容的三维位置信息。这些信息可以通过将相机空间转换为三维世界空间而得到的。不同的样本图像各自对应的三维世界空间不同,因此可以建立一个绝对的三维世界空间,并根据每个样本图像的采集设备与绝对的三维世界空间之间的关系建立每个样本图像的三维世界空间到绝对的三维世界空间的映射。
根据一些实施例,多个样本图像的三维位置信息(例如,每一个样本图像对应的三维位置信息)可以包括多个样本图像中的像素对应的射线上的多个点的三维世界坐标,并且三维位置信息可以是基于该点所在的样本图像的视角对应的相机内外参数而确定的。由此,可以建立一个绝对的三维世界空间的坐标系,并将每个样本图像对应的相机视锥空间上的点映射到三维世界空间中,并用相应的三维世界坐标进行表示。
在一些实施例中,可以基于相机的内参将相机视锥空间变换到与该相机对应的三维世界空间,再基于相机的外参将与该相机对应的三维世界空间变换到绝对的三维世界空间。在一些实施例中,还可以对绝对的三维世界空间进行归一化。
根据一些实施例,编码子模型可以包括图像特征提取主干网络和三维位置嵌入子模型。如图3所示,上文所描述的目标检测模型的训练方法中的步骤S201、利用深度学习模型中的编码子模型对多个样本图像和多个样本图像的三维位置信息进行编码,得到多个样本图像对应的多个综合编码特征可以包括:步骤S301、利用图像特征提取主干网络对多个样本图像进行特征提取,以得到与多个样本图像对应的多个样本图像特征;步骤S302、利用三维位置嵌入子模型对多个样本图像的三维位置信息进行特征嵌入,以得到与多个样本图像对应的多个三维位置嵌入特征;以及步骤S303、将多个样本图像特征和多个三维位置嵌入特征进行特征融合,以得到多个综合编码特征。
由此,通过提取样本图像的样本图像特征,并将三维位置信息嵌入为相应的三维位置嵌入特征,进而将样本图像特征与三维位置嵌入特征进行融合,能够得到包含有视觉信息和三维位置信息的综合编码特征,使得后续能够基于该特征得到准确的三维目标检测结果和二维目标检测结果。
在一些实施例中,在步骤S301,可以采用现有的图像特征提取主干网络(例如,ResNet50)进行图像特征提取,也可以采用自行设计的网络。
在一些实施例中,在步骤S302,可以采用自行设计的网络进行特征嵌入。特征嵌入的含义为将显式的信息(例如,三维世界坐标)转换为隐式的信息(特征值或特征向量),从而提高后续模型处理的精度和效率。
在一些实施例中,多个样本图像特征和对应的多个三维位置嵌入特征可以具有相同的尺寸。在步骤S303,可以通过直接相加、加权求和、拼接、使用神经网络进行处理或上述方式中多项的组合对多个样本图像特征和多个三维位置嵌入特征进行特征融合,以得到多个综合编码特征。
在一些实施例中,也可以使用其他方式对多个样本图像和多个样本图像各自对应的三维位置信息进行编码,在此不作限定。
待训练的多个目标查询特征(Object Query Feature)可以是通过随机初始化得到的可学习的特征,每一个查询Query代表一个潜在目标的特征。在一个示例性实施例中,目标查询特征的数量可以是900。
在步骤S202,可以将多个目标查询特征和多个综合编码特征输入到解码子模型中,以得到对每个目标查询特征的解码结果,即解码特征。解码子模型可以采用Transformer结构,将多个目标查询特征作为查询特征(Query),将多个综合编码特征作为键特征(Key)和值特征(Value),并利用注意力机制对目标查询特征和综合编码特征进行处理,以得到与多个目标查询特征一一对应的多个解码特征。
在一些实施例中,深度学习模型可以包括多个用于预测结果的网络。在步骤S203,可以将每一个解码特征输入到三维目标检测子模型中,以得到对该解码特征的三维目标检测结果。如前文所描述的,每一个目标查询特征(或对其解码后得到的解码特征)对应一个潜在目标,则可以根据三维目标检测结果判断是否基于该目标查询特征(或对应的解码特征)检测到了相应的预测目标。在一些实施例中,三维目标检测结果可以包括三维分类结果和三维回归结果。三维分类结果指示目标查询特征(或对应的解码特征)是否检测到了相应的预测目标,以及所检测到的预测目标的类型,因而三维目标检测结果还能够指示目标查询特征(或对应的解码特征)未检测到了相应的预测目标。在一些实施例中,可以将“未检测到目标”作为一个特殊的目标类型。三维回归结果指示所检测到的预测目标的三维位置和三维形状等三维信息。
根据一些实施例,三维目标检测结果可以指示基于多个解码特征在多个样本图像中检测到的至少一个预测目标基于三维世界坐标的预测三维检测框。预测三维检测框例如可以是在上文所描述的绝对的三维世界空间中包围预测目标的三维检测框,具体可以包括三维检测框的中心点三维坐标(在绝对的三维世界空间中)、长度、宽度、高度、朝向角等信息。
在一些实施例中,在步骤S204,可以将每一个解码特征输入到二维目标检测子模型中,以得到对该解码特征的二维目标检测结果。二维目标检测结果可以包括二维分类结果和二维回归结果。二维分类结果指示该解码特征所检测到的预测目标位于多个视角拍摄的多个样本图像中的哪些样本图像中,即第一部分的样本图像。利用该结果对模型进行训练能够用于提升模型对于目标的空间位置的判断能力。二维回归结果指示所检测到的预测目标在第一部分的样本图像中的每一个样本图像中的二维位置和二维形状等二维信息。
根据一些实施例,二维目标检测结果可以指示多个样本图像中的包括至少一个预测目标的第一部分的样本图像,并且指示至少一个预测目标在对应的第一部分的样本图像中的预测二维检测框。预测二维检测框可以是第一部分的样本图像中的包围预测目标的二维检测框,具体可以包括二维检测框的中心点二维坐标(在对应的样本图像中)、宽度、高度等信息。
由此,通过使用二维目标检测的分类任务(即判断预测目标出现在哪个视角对应的样本图像中),使得能够进一步提升模型对于目标的空间位置的预测能力。
根据一些实施例,图4示出了目标检测模型的训练方法的另一实施例。可以理解的是,图4中的步骤S401-步骤S404、步骤S406的操作分别和图2中的步骤S201-步骤S205的操作类似,在此不作赘述。如图4所示,训练方法还可以包括:步骤S405、利用深度学习模型中的属性预测子模型对多个解码特征进行属性预测,以得到属性预测结果,属性预测结果指示基于多个解码特征在多个样本图像中检测到的预测目标的预测属性。
由此,通过对预测目标的属性进行预测,使得能够基于解码特征直接便捷地得到样本图像中的各个目标的属性信息。此外,这种属性预测框架具有较好的可扩展性,能够同时给出目标的多种不同属性。
在一些实施例中,属性子模型可以对检测到了预测目标的解码特征进行属性预测,以得到预测目标的预测属性。
根据一些实施例,深度学习模型和目标检测模型可以用于在多个样本图像中检测车辆。预测属性可以包括对应的预测目标的车型、颜色、尾灯状态、遮挡状态以及截断状态的预测结果。可以理解的是,属性预测子模型还可以用于对更丰富的属性进行预测,在此不作限定。
根据一些实施例,与多个样本图像对应的真实标签包括周边环境中的至少一个真实目标中的每一个真实目标的真实类别、真实三维检测框、多个样本图像中的包括该真实目标的第二部分的样本图像以及该真实目标在第二部分的样本图像中的每一个样本图像中的真实二维检测框。
由此,通过获取上述真实标签,使得能够与三维目标检测结果和二维目标检测结果分别进行结合得到三维信息损失值和二维信息损失值,进而利用这两部分损失值对深度学习模型进行训练,使得模型的三维目标检测能力和二维目标检测能力之间能够相互促进,提升训练后的模型的预测能力。
根据一些实施例,如图5所示,上文描述的目标检测模型的训练方法中的步骤S205、基于三维目标检测结果、二维目标检测结果以及与多个样本图像对应的真实标签,训练深度学习模型和多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征可以包括:步骤S501、将至少一个预测目标与至少一个真实目标进行匹配;步骤S502、基于至少一个真实目标的真实三维检测框和与至少一个真实目标匹配的预测目标的预测三维检测框,确定三维回归损失;步骤S503、基于至少一个真实目标对应的第二部分的样本图像和与至少一个真实目标匹配的预测目标对应的第一部分的样本图像,确定二维分类损失;步骤S504、基于至少一个真实目标的真实二维检测框和与至少一个真实目标匹配的预测目标的预测二维检测框,确定二维回归损失;以及步骤S505、基于三维分类损失、三维回归损失、二维分类损失以及二维回归损失,训练深度学习模型和多个目标查询特征。
由此,通过分别计算三维分类损失、三维回归损失、二维分类损失以及二维回归损失,并基于这些损失值训练深度学习模型和目标查询特征,提升了训练效果,使得训练后的模型具有更好的预测能力。
在一些实施例中,还可以基于至少一个真实目标的真实类别和与至少一个真实目标匹配的预测目标的预测类别,确定三维分类损失,并基于三维分类损失调整深度学习模型和目标查询特征的参数。
在一些实施例中,在步骤S501,可以基于目标的位置、对应的检测框的交并比、类型等对真实目标和预测目标进行匈牙利匹配。可以理解的是,还可以通过其他方式对真实目标和预测目标进行匹配,在此不作限定。
在一些实施例中,三维分类损失和二维分类损失可以采用交叉熵损失、三维回归损失和二维回归损失可以采用L2损失。可以理解的是,还可以通过其他方式得到上述损失,在此不作限定。
在一些实施例中,目标检测真实标签还可以包括与属性对应的真实标签,即真实属性。上文描述的目标检测模型的训练方法中的步骤S205、训练深度学习模型和多个目标查询特征还可以包括:基于至少一个真实目标各自的真实属性和至少一个真实目标各自匹配的预测目标的预测属性,确定属性损失;基于三维分类损失、三维回归损失、二维分类损失、二维回归损失以及属性损失,训练深度学习模型和多个目标查询特征。
根据本公开的另一方面,提供了一种目标检测方法。如图6所示,该方法包括:步骤S601、利用目标检测模型中的编码子模型对多个待检测图像和多个待检测图像的三维位置信息进行编码,得到多个待检测图像对应的多个综合编码特征,多个待检测图像是基于多个视角对周边环境进行拍摄而得到的;步骤S602、利用目标检测模型中的解码子模型,基于多个综合编码特征对经训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;步骤S603、利用目标检测模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;步骤S604、利用目标检测模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果。可以理解的是,图6中的步骤S601-步骤S604的操作和效果可以参照上文对图2中的步骤S201-步骤S204的描述。此外,上述目标检测方法中所使用的目标检测方法和多个目标查询特征例如可以是利用本公开提供的目标检测模型的训练方法而得到的。
由此,通过复用同一个目标查询特征对应的解码特征同步预测三维目标检测结果和二维目标检测结果,使得直接能够得到准确的二维目标检测结果。
根据一些实施例,多个待检测图像中的每一个待检测图像对应的三维位置信息可以包括该待检测图像中的每一个像素对应的射线上的多个点的三维世界坐标,并且三维位置信息可以是基于与该待检测图像的视角对应的相机内外参数而确定的。
由此,可以建立一个绝对的三维世界空间的坐标系,并将每个待检测图像对应的相机视锥空间上的点映射到三维世界空间中,并用相应的三维世界坐标进行表示。
根据一些实施例,编码子模型可以包括图像特征提取主干网络和三维位置嵌入子模型。上文描述的目标检测方法中的步骤S601、利用目标检测模型中的编码子模型对多个待检测图像和多个待检测图像的三维位置信息进行编码,得到多个待检测图像对应的多个综合编码特征可以包括:利用图像特征提取主干网络对多个待检测图像进行特征提取,以得到与多个待检测图像对应的多个待检测图像特征;利用三维位置嵌入子模型对多个待检测图像各自对应的三维位置信息进行特征嵌入,以得到与多个待检测图像对应的多个三维位置嵌入特征;以及将多个待检测图像特征和多个三维位置嵌入特征进行特征融合,以得到多个综合编码特征。
由此,通过提取待检测图像的待检测图像特征,并将三维位置信息嵌入为相应的三维位置嵌入特征,进而将待检测图像特征与三维位置嵌入特征进行融合,能够得到包含有视觉信息和三维位置信息的综合编码特征,使得后续能够基于该特征得到准确的三维目标检测结果和二维目标检测结果。
根据一些实施例,三维目标检测结果可以指示基于多个解码特征在多个待检测图像中检测到的至少一个目标基于三维世界坐标的三维检测框,二维目标检测结果可以指示多个待检测图像中的包括至少一个目标的第一部分的待检测图像,并且指示至少一个目标在对应的第一部分的待检测图像中的二维检测框。预测三维检测框例如可以是在上文所描述的绝对的三维世界空间中包围预测目标的三维检测框,具体可以包括三维检测框的中心点三维坐标(在绝对的三维世界空间中)、长度、宽度、高度、朝向角等信息。预测二维检测框可以是第一部分的待检测图像中的包围预测目标的二维检测框,具体可以包括二维检测框的中心点二维坐标(在对应的待检测图像中)、宽度、高度等信息。
根据一些实施例,目标检测方法还可以包括:利用目标检测模型中的属性子模型对多个解码特征进行属性预测,以得到属性预测结果,属性预测结果指示基于多个解码特征在多个待检测图像中检测到的目标的属性。
由此,通过对目标的属性进行预测,使得能够基于解码特征直接便捷地得到待检测图像中的各个目标的属性信息。此外,这种属性预测框架具有较好的可扩展性,能够同时给出目标的多种不同属性。
根据一些实施例,目标检测模型可以用于在多个待检测图像中检测车辆,属性可以包括对应的目标的车型、颜色、尾灯状态、遮挡状态以及截断状态。可以理解的是,属性预测子模型还可以用于对更丰富的属性进行预测,在此不作限定。
根据本公开的另一方面,提供了一种目标检测模型的训练装置。如图7所示,训练装置700包括:第一编码单元710,被配置为利用深度学习模型中的编码子模型对多个样本图像和多个样本图像的三维位置信息进行编码,得到多个样本图像对应的多个综合编码特征,多个样本图像是基于多个视角对周边环境进行拍摄而得到的;第一解码单元720,被配置为利用深度学习模型中的解码子模型,基于多个综合编码特征对待训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;第一三维目标预测单元730,被配置为利用深度学习模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;第一二维目标预测单元740,被配置为利用深度学习模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果;以及训练单元750,被配置为基于多个解码特征中的每一个解码特征对应的三维目标检测结果、二维目标检测结果以及目标检测真实标签,训练深度学习模型和多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征。
可以理解的是,装置700中的单元710-单元750的操作和效果可以参照上文对图2中的步骤S201-步骤S205的描述,在此不作赘述。
根据一些实施例,多个样本图像中的每一个样本图像对应的三维位置信息可以包括该样本图像中的每一个像素对应的射线上的多个点的三维世界坐标,并且三维位置信息可以是基于与该样本图像的视角对应的相机内外参数而确定的。
根据一些实施例,编码子模型可以包括图像特征提取主干网络和三维位置嵌入子模型。上文描述的目标检测模型的训练装置中的第一编码单元可以包括:第一特征提取子单元,被配置为利用图像特征提取主干网络对多个样本图像进行特征提取,以得到与多个样本图像对应的多个样本图像特征;第一特征嵌入子单元,被配置为利用三维位置嵌入子模型对多个样本图像的三维位置信息进行特征嵌入,以得到与多个样本图像对应的多个三维位置嵌入特征;以及第一特征融合子单元,被配置为将多个样本图像特征和多个三维位置嵌入特征进行特征融合,以得到多个综合编码特征。
根据一些实施例,三维目标检测结果可以指示基于多个解码特征在多个样本图像中检测到的至少一个预测目标基于三维世界坐标的预测三维检测框,二维目标检测结果可以指示多个样本图像中的包括至少一个预测目标的第一部分的样本图像,并且可以指示至少一个预测目标在对应的第一部分的样本图像中的预测二维检测框。
根据一些实施例,上文描述的训练装置还可以包括(图中未示出):第一属性预测单元,被配置为利用深度学习模型中的属性预测子模型对多个解码特征进行属性预测,以得到属性预测结果,属性预测结果指示基于多个解码特征在多个样本图像中检测到的预测目标的预测属性。
根据一些实施例,深度学习模型和目标检测模型可以用于在多个样本图像中检测车辆,预测属性可以包括对应的预测目标的车型、颜色、尾灯状态、遮挡状态以及截断状态的预测结果。
根据一些实施例,真实标签可以包括周边环境中的至少一个真实目标中的每一个真实目标的真实类别、真实三维检测框、多个样本图像中的包括该真实目标的第二部分的样本图像以及该真实目标在第二部分的样本图像中的每一个样本图像中的真实二维检测框。
根据一些实施例,上文描述的目标检测模型的训练装置中的训练单元可以包括:匹配子单元,被配置为将至少一个预测目标与至少一个真实目标进行匹配;三维回归损失确定子单元,被配置为基于至少一个真实目标的真实三维检测框和与至少一个真实目标匹配的预测目标的预测三维检测框,确定三维回归损失;二维分类损失确定子单元,被配置为基于至少一个真实目标对应的第二部分的样本图像和与至少一个真实目标匹配的预测目标对应的第一部分的样本图像,确定二维分类损失;二维回归损失确定子单元,被配置为基于至少一个真实目标的真实二维检测框和与至少一个真实目标匹配的预测目标的预测二维检测框,确定二维回归损失;以及训练子单元,被配置为基于三维回归损失、二维分类损失以及二维回归损失,训练深度学习模型和多个目标查询特征。
根据本公开的另一方面,提供了一种目标检测装置。如图8所示,装置800包括:第二编码单元810,被配置为利用目标检测模型中的编码子模型对多个待检测图像和多个待检测图像的三维位置信息进行编码,得到多个待检测图像对应的多个综合编码特征,多个待检测图像是基于多个视角对周边环境进行拍摄而得到的;第二解码单元820,被配置为利用目标检测模型中的解码子模型,基于多个综合编码特征对经训练的多个目标查询特征进行解码,得到与多个目标查询特征一一对应的多个解码特征;第二三维目标预测单元830,被配置为利用目标检测模型中的三维目标检测子模型对多个解码特征进行三维目标检测,以得到三维目标检测结果;以及第二二维目标预测单元840,被配置为利用目标检测模型中的二维目标检测子模型对多个解码特征进行二维目标检测,以得到二维目标检测结果。
可以理解的是,装置800中的单元810-单元840的操作和效果可以参照上文对图6中的步骤S601-步骤S604的描述,在此不作赘述。
根据一些实施例,多个待检测图像中的每一个待检测图像对应的三维位置信息可以包括该待检测图像中的每一个像素对应的射线上的多个点的三维世界坐标,并且三维位置信息可以是基于与该待检测图像的视角对应的相机内外参数而确定的。
根据一些实施例,上文描述的目标检测装置中的编码子模型可以包括图像特征提取主干网络和三维位置嵌入子模型。第二编码单元可以包括:第二特征提取子单元,被配置为利用图像特征提取主干网络对多个待检测图像进行特征提取,以得到与多个待检测图像对应的多个待检测图像特征;第二特征嵌入子单元,被配置为利用三维位置嵌入子模型对多个待检测图像的三维位置信息进行特征嵌入,以得到与多个待检测图像对应的多个三维位置嵌入特征;以及第二特征融合子单元,被配置为将多个待检测图像特征和多个三维位置嵌入特征进行特征融合,以得到多个综合编码特征。
根据一些实施例,三维目标检测结果可以指示基于多个解码特征在多个待检测图像中检测到的至少一个目标基于三维世界坐标的三维检测框,二维目标检测结果可以指示多个待检测图像中的包括至少一个目标的第一部分的待检测图像,并且可以指示至少一个目标在对应的第一部分的待检测图像中的二维检测框。
根据一些实施例,上文描述的目标检测装置还可以包括(图中未示出):第二属性预测单元,被配置为利用目标检测模型中的属性子模型对多个解码特征进行属性预测,以得到属性预测结果,属性预测结果指示基于多个解码特征在多个待检测图像中检测到的目标的属性。
根据一些实施例,目标检测模型可以用于在多个待检测图像中检测车辆,属性可以包括对应的目标的车型、颜色、尾灯状态、遮挡状态以及截断状态。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,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9,现将描述可以作为本公开的服务器或客户端的电子设备900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,个人数字助理、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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备,输入单元906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907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908可以包括但不限于磁盘、光盘。通信单元909允许设备900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901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901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、各种运行机器学习网络算法的计算单元、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901执行上文所描述的各个方法和处理,例如目标检测模型的训练方法和/或目标检测方法。例如,在一些实施例中,目标检测模型的训练方法和/或目标检测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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的目标检测模型的训练方法和/或目标检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元901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检测模型的训练方法和/或目标检测方法。
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)、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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。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 (31)
1.一种目标检测模型的训练方法,包括:
利用深度学习模型中的编码子模型对多个样本图像和所述多个样本图像的三维位置信息进行编码,得到所述多个样本图像对应的多个综合编码特征,所述多个样本图像是基于多个视角对周边环境进行拍摄而得到的;
利用所述深度学习模型中的解码子模型,基于所述多个综合编码特征对待训练的多个目标查询特征进行解码,得到与所述多个目标查询特征一一对应的多个解码特征;
利用深度学习模型中的三维目标检测子模型对所述多个解码特征进行三维目标检测,以得到三维目标检测结果;
利用深度学习模型中的二维目标检测子模型对所述多个解码特征进行二维目标检测,以得到二维目标检测结果;以及
基于所述三维目标检测结果、所述二维目标检测结果以及与所述多个样本图像对应的真实标签,训练所述深度学习模型和所述多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征。
2.根据权利要求1所述的方法,其中,所述三维目标检测结果指示基于所述多个解码特征在所述多个样本图像中检测到的至少一个预测目标基于三维世界坐标的预测三维检测框,所述二维目标检测结果指示所述多个样本图像中的包括所述至少一个预测目标的第一部分的样本图像,并且指示所述至少一个预测目标在对应的第一部分的样本图像中的预测二维检测框。
3.根据权利要求2所述的方法,其中,所述真实标签包括所述周边环境中的至少一个真实目标的真实三维检测框、所述多个样本图像中的包括所述至少一个真实目标的第二部分的样本图像以及所述至少一个真实目标在所述第二部分的样本图像中的真实二维检测框。
4.根据权利要求3所述的方法,其中,基于所述三维目标检测结果、所述二维目标检测结果以及与所述多个样本图像对应的真实标签,训练所述深度学习模型和所述多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征包括:
将所述至少一个预测目标与所述至少一个真实目标进行匹配;
基于所述至少一个真实目标的真实三维检测框和与所述至少一个真实目标匹配的预测目标的预测三维检测框,确定三维回归损失;
基于所述至少一个真实目标对应的第二部分的样本图像和与所述至少一个真实目标匹配的预测目标对应的第一部分的样本图像,确定二维分类损失;
基于所述至少一个真实目标的真实二维检测框和与所述至少一个真实目标匹配的预测目标的预测二维检测框,确定二维回归损失;以及
基于所述三维回归损失、所述二维分类损失以及所述二维回归损失,训练所述深度学习模型和所述多个目标查询特征。
5.根据权利要求1所述的方法,其中,所述多个样本图像的三维位置信息包括所述多个样本图像中的像素对应的射线上的多个点的三维世界坐标,并且所述三维位置信息是基于该点所在的样本图像的视角对应的相机内外参数而确定的。
6.根据权利要求5所述的方法,其中,所述编码子模型包括图像特征提取主干网络和三维位置嵌入子模型,利用深度学习模型中的编码子模型对多个样本图像和所述多个样本图像的三维位置信息进行编码,得到所述多个样本图像对应的多个综合编码特征包括:
利用所述图像特征提取主干网络对所述多个样本图像进行特征提取,以得到与多个样本图像对应的多个样本图像特征;
利用所述三维位置嵌入子模型对所述多个样本图像的三维位置信息进行特征嵌入,以得到与多个样本图像对应的多个三维位置嵌入特征;以及
将所述多个样本图像特征和所述多个三维位置嵌入特征进行特征融合,以得到所述多个综合编码特征。
7.根据权利要求2所述的方法,还包括:
利用深度学习模型中的属性预测子模型对所述多个解码特征进行属性预测,以得到属性预测结果,所述属性预测结果指示基于所述多个解码特征在所述多个样本图像中检测到的预测目标的预测属性。
8.根据权利要求7所述的方法,其中,所述深度学习模型和所述目标检测模型用于在所述多个样本图像中检测车辆,所述预测属性包括对应的预测目标的车型、颜色、尾灯状态、遮挡状态以及截断状态的预测结果。
9.一种目标检测方法,包括:
利用目标检测模型中的编码子模型对多个待检测图像和所述多个待检测图像的三维位置信息进行编码,得到所述多个待检测图像对应的多个综合编码特征,所述多个待检测图像是基于多个视角对周边环境进行拍摄而得到的;
利用所述目标检测模型中的解码子模型,基于所述多个综合编码特征对经训练的多个目标查询特征进行解码,得到与所述多个目标查询特征一一对应的多个解码特征;
利用目标检测模型中的三维目标检测子模型对所述多个解码特征进行三维目标检测,以得到三维目标检测结果;以及
利用目标检测模型中的二维目标检测子模型对所述多个解码特征进行二维目标检测,以得到二维目标检测结果。
10.根据权利要求9所述的方法,其中,所述三维目标检测结果指示基于所述多个解码特征在所述多个待检测图像中检测到的至少一个目标基于三维世界坐标的三维检测框,所述二维目标检测结果指示所述多个待检测图像中的包括所述至少一个目标的第一部分的待检测图像,并且指示所述至少一个目标在对应的第一部分的待检测图像中的二维检测框。
11.根据权利要求9所述的方法,其中,所述多个待检测图像的三维位置信息包括所述多个待检测图像中的像素对应的射线上的多个点的三维世界坐标,并且所述三维位置信息是基于该点所在的待检测图像的视角对应的相机内外参数而确定的。
12.根据权利要求11所述的方法,其中,所述编码子模型包括图像特征提取主干网络和三维位置嵌入子模型,利用目标检测模型中的编码子模型对多个待检测图像和所述多个待检测图像的三维位置信息进行编码,得到所述多个待检测图像对应的多个综合编码特征包括:
利用所述图像特征提取主干网络对所述多个待检测图像进行特征提取,以得到与多个待检测图像对应的多个待检测图像特征;
利用所述三维位置嵌入子模型对所述多个待检测图像的三维位置信息进行特征嵌入,以得到与多个待检测图像对应的多个三维位置嵌入特征;以及
将所述多个待检测图像特征和所述多个三维位置嵌入特征进行特征融合,以得到所述多个综合编码特征。
13.根据权利要求10所述的方法,还包括:
利用目标检测模型中的属性子模型对所述多个解码特征进行属性预测,以得到属性预测结果,所述属性预测结果指示基于所述多个解码特征在所述多个待检测图像中检测到的目标的属性。
14.根据权利要求13所述的方法,其中,所述目标检测模型用于在所述多个待检测图像中检测车辆,所述属性包括对应的目标的车型、颜色、尾灯状态、遮挡状态以及截断状态。
15.一种目标检测模型的训练装置,包括:
第一编码单元,被配置为利用深度学习模型中的编码子模型对多个样本图像和所述多个样本图像的三维位置信息进行编码,得到所述多个样本图像对应的多个综合编码特征,所述多个样本图像是基于多个视角对周边环境进行拍摄而得到的;
第一解码单元,被配置为利用所述深度学习模型中的解码子模型,基于所述多个综合编码特征对待训练的多个目标查询特征进行解码,得到与所述多个目标查询特征一一对应的多个解码特征;
第一三维目标预测单元,被配置为利用深度学习模型中的三维目标检测子模型对所述多个解码特征进行三维目标检测,以得到三维目标检测结果;
第一二维目标预测单元,被配置为利用深度学习模型中的二维目标检测子模型对所述多个解码特征进行二维目标检测,以得到二维目标检测结果;以及
训练单元,被配置为基于所述多个解码特征中的每一个解码特征对应的三维目标检测结果、二维目标检测结果以及所述目标检测真实标签,训练所述深度学习模型和所述多个目标查询特征,以得到目标检测模型和多个经训练的目标查询特征。
16.根据权利要求15所述的装置,其中,所述三维目标检测结果指示基于所述多个解码特征在所述多个样本图像中检测到的至少一个预测目标基于三维世界坐标的预测三维检测框,所述二维目标检测结果指示所述多个样本图像中的包括所述至少一个预测目标的第一部分的样本图像,并且指示所述至少一个预测目标在对应的第一部分的样本图像中的预测二维检测框。
17.根据权利要求16所述的装置,其中,所述真实标签包括所述周边环境中的至少一个真实目标的真实三维检测框、所述多个样本图像中的包括所述至少一个真实目标的第二部分的样本图像以及所述至少一个真实目标在所述第二部分的样本图像中的真实二维检测框。
18.根据权利要求17所述的装置,其中,所述训练单元包括:
匹配子单元,被配置为将所述至少一个预测目标与所述至少一个真实目标进行匹配;
三维回归损失确定子单元,被配置为基于所述至少一个真实目标的真实三维检测框和与所述至少一个真实目标匹配的预测目标的预测三维检测框,确定三维回归损失;
二维分类损失确定子单元,被配置为基于所述至少一个真实目标对应的第二部分的样本图像和与所述至少一个真实目标匹配的预测目标对应的第一部分的样本图像,确定二维分类损失;
二维回归损失确定子单元,被配置为基于所述至少一个真实目标的真实二维检测框和与所述至少一个真实目标匹配的预测目标的预测二维检测框,确定二维回归损失;以及
训练子单元,被配置为基于所述三维回归损失、所述二维分类损失以及所述二维回归损失,训练所述深度学习模型和所述多个目标查询特征。
19.根据权利要求15所述的装置,其中,所述多个样本图像的三维位置信息包括所述多个样本图像中的像素对应的射线上的多个点的三维世界坐标,并且所述三维位置信息是基于该点所在的样本图像的视角对应的相机内外参数而确定的。
20.根据权利要求19所述的装置,其中,所述编码子模型包括图像特征提取主干网络和三维位置嵌入子模型,所述第一编码单元包括:
第一特征提取子单元,被配置为利用所述图像特征提取主干网络对所述多个样本图像进行特征提取,以得到与多个样本图像对应的多个样本图像特征;
第一特征嵌入子单元,被配置为利用所述三维位置嵌入子模型对所述多个样本图像的三维位置信息进行特征嵌入,以得到与多个样本图像对应的多个三维位置嵌入特征;以及
第一特征融合子单元,被配置为将所述多个样本图像特征和所述多个三维位置嵌入特征进行特征融合,以得到所述多个综合编码特征。
21.根据权利要求16所述的装置,还包括:
第一属性预测单元,被配置为利用深度学习模型中的属性预测子模型对所述多个解码特征进行属性预测,以得到属性预测结果,所述属性预测结果指示基于所述多个解码特征在所述多个样本图像中检测到的预测目标的预测属性。
22.根据权利要求21所述的装置,其中,所述深度学习模型和所述目标检测模型用于在所述多个样本图像中检测车辆,所述预测属性包括对应的预测目标的车型、颜色、尾灯状态、遮挡状态以及截断状态的预测结果。
23.一种目标检测装置,包括:
第二编码单元,被配置为利用目标检测模型中的编码子模型对多个待检测图像和所述多个待检测图像的三维位置信息进行编码,得到所述多个待检测图像对应的多个综合编码特征,所述多个待检测图像是基于多个视角对周边环境进行拍摄而得到的;
第二解码单元,被配置为利用所述目标检测模型中的解码子模型,基于所述多个综合编码特征对经训练的多个目标查询特征进行解码,得到与所述多个目标查询特征一一对应的多个解码特征;
第二三维目标预测单元,被配置为利用目标检测模型中的三维目标检测子模型对所述多个解码特征进行三维目标检测,以得到三维目标检测结果;以及
第二二维目标预测单元,被配置为利用目标检测模型中的二维目标检测子模型对所述多个解码特征进行二维目标检测,以得到二维目标检测结果。
24.根据权利要求23所述的装置,其中,所述三维目标检测结果指示基于所述多个解码特征在所述多个待检测图像中检测到的至少一个目标基于三维世界坐标的三维检测框,所述二维目标检测结果指示所述多个待检测图像中的包括所述至少一个目标的第一部分的待检测图像,并且指示所述至少一个目标在对应的第一部分的待检测图像中的二维检测框。
25.根据权利要求23所述的装置,其中,所述多个待检测图像的三维位置信息包括所述多个待检测图像中的像素对应的射线上的多个点的三维世界坐标,并且所述三维位置信息是基于该点所在的待检测图像的视角对应的相机内外参数而确定的。
26.根据权利要求25所述的装置,其中,所述编码子模型包括图像特征提取主干网络和三维位置嵌入子模型,所述第二编码单元包括:
第二特征提取子单元,被配置为利用所述图像特征提取主干网络对所述多个待检测图像进行特征提取,以得到与多个待检测图像对应的多个待检测图像特征;
第二特征嵌入子单元,被配置为利用所述三维位置嵌入子模型对所述多个待检测图像的三维位置信息进行特征嵌入,以得到与多个待检测图像对应的多个三维位置嵌入特征;以及
第二特征融合子单元,被配置为将所述多个待检测图像特征和所述多个三维位置嵌入特征进行特征融合,以得到所述多个综合编码特征。
27.根据权利要求23所述的装置,还包括:
第二属性预测单元,被配置为利用目标检测模型中的属性子模型对所述多个解码特征进行属性预测,以得到属性预测结果,所述属性预测结果指示基于所述多个解码特征在所述多个待检测图像中检测到的目标的属性。
28.根据权利要求27所述的装置,其中,所述目标检测模型用于在所述多个待检测图像中检测车辆,所述属性包括对应的目标的车型、颜色、尾灯状态、遮挡状态以及截断状态。
29.一种电子设备,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1-14中任一项所述的方法。
30.一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1-14中任一项所述的方法。
31.一种计算机程序产品,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1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282911.3A CN117274575A (zh) | 2023-09-28 | 2023-09-28 | 目标检测模型的训练方法、目标检测方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282911.3A CN117274575A (zh) | 2023-09-28 | 2023-09-28 | 目标检测模型的训练方法、目标检测方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117274575A true CN117274575A (zh) | 2023-12-22 |
Family
ID=89217458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311282911.3A Pending CN117274575A (zh) | 2023-09-28 | 2023-09-28 | 目标检测模型的训练方法、目标检测方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274575A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797745A (zh) * | 2020-06-28 | 2020-10-20 | 北京百度网讯科技有限公司 | 一种物体检测模型的训练及预测方法、装置、设备及介质 |
CN113569868A (zh) * | 2021-06-11 | 2021-10-29 | 北京旷视科技有限公司 | 一种目标检测方法、装置及电子设备 |
KR20220004607A (ko) * | 2020-12-25 | 2022-01-11 | 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. | 목표 검출방법, 전자장치, 노변장치와 클라우드 컨트롤 플랫폼 |
CN115019273A (zh) * | 2022-06-06 | 2022-09-06 | 中国第一汽车股份有限公司 | 一种目标检测方法、装置、汽车及存储介质 |
CN115422389A (zh) * | 2022-11-07 | 2022-12-02 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
CN115719436A (zh) * | 2022-10-17 | 2023-02-28 | 北京百度网讯科技有限公司 | 模型训练方法、目标检测方法、装置、设备以及存储介质 |
CN115829972A (zh) * | 2022-12-02 | 2023-03-21 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种放疗计划三维剂量分布与通量的同步预测方法及装置 |
CN115880555A (zh) * | 2023-02-07 | 2023-03-31 | 北京百度网讯科技有限公司 | 目标检测方法、模型训练方法、装置、设备及介质 |
CN115880536A (zh) * | 2023-02-15 | 2023-03-31 | 北京百度网讯科技有限公司 | 数据处理方法、训练方法、目标对象检测方法及装置 |
CN116152607A (zh) * | 2023-03-20 | 2023-05-23 | 北京百度网讯科技有限公司 | 目标检测方法、训练目标检测模型的方法及装置 |
CN116343191A (zh) * | 2022-12-16 | 2023-06-27 | 北京迈格威科技有限公司 | 三维目标检测方法、电子设备及存储介质 |
WO2023116507A1 (zh) * | 2021-12-22 | 2023-06-29 | 北京沃东天骏信息技术有限公司 | 一种目标检测模型的训练方法、目标检测的方法和装置 |
CN116363459A (zh) * | 2023-03-27 | 2023-06-30 | 北京百度网讯科技有限公司 | 目标检测方法、模型训练方法、装置、电子设备及介质 |
CN116597260A (zh) * | 2023-03-24 | 2023-08-15 | 北京迈格威科技有限公司 | 图像处理方法、电子设备、存储介质及计算机程序产品 |
CN116597336A (zh) * | 2023-03-28 | 2023-08-15 | 北京迈格威科技有限公司 | 视频处理方法、电子设备、存储介质及计算机程序产品 |
-
2023
- 2023-09-28 CN CN202311282911.3A patent/CN117274575A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797745A (zh) * | 2020-06-28 | 2020-10-20 | 北京百度网讯科技有限公司 | 一种物体检测模型的训练及预测方法、装置、设备及介质 |
KR20220004607A (ko) * | 2020-12-25 | 2022-01-11 | 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. | 목표 검출방법, 전자장치, 노변장치와 클라우드 컨트롤 플랫폼 |
CN113569868A (zh) * | 2021-06-11 | 2021-10-29 | 北京旷视科技有限公司 | 一种目标检测方法、装置及电子设备 |
WO2023116507A1 (zh) * | 2021-12-22 | 2023-06-29 | 北京沃东天骏信息技术有限公司 | 一种目标检测模型的训练方法、目标检测的方法和装置 |
CN115019273A (zh) * | 2022-06-06 | 2022-09-06 | 中国第一汽车股份有限公司 | 一种目标检测方法、装置、汽车及存储介质 |
CN115719436A (zh) * | 2022-10-17 | 2023-02-28 | 北京百度网讯科技有限公司 | 模型训练方法、目标检测方法、装置、设备以及存储介质 |
CN115422389A (zh) * | 2022-11-07 | 2022-12-02 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
CN115829972A (zh) * | 2022-12-02 | 2023-03-21 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种放疗计划三维剂量分布与通量的同步预测方法及装置 |
CN116343191A (zh) * | 2022-12-16 | 2023-06-27 | 北京迈格威科技有限公司 | 三维目标检测方法、电子设备及存储介质 |
CN115880555A (zh) * | 2023-02-07 | 2023-03-31 | 北京百度网讯科技有限公司 | 目标检测方法、模型训练方法、装置、设备及介质 |
CN115880536A (zh) * | 2023-02-15 | 2023-03-31 | 北京百度网讯科技有限公司 | 数据处理方法、训练方法、目标对象检测方法及装置 |
CN116152607A (zh) * | 2023-03-20 | 2023-05-23 | 北京百度网讯科技有限公司 | 目标检测方法、训练目标检测模型的方法及装置 |
CN116597260A (zh) * | 2023-03-24 | 2023-08-15 | 北京迈格威科技有限公司 | 图像处理方法、电子设备、存储介质及计算机程序产品 |
CN116363459A (zh) * | 2023-03-27 | 2023-06-30 | 北京百度网讯科技有限公司 | 目标检测方法、模型训练方法、装置、电子设备及介质 |
CN116597336A (zh) * | 2023-03-28 | 2023-08-15 | 北京迈格威科技有限公司 | 视频处理方法、电子设备、存储介质及计算机程序产品 |
Non-Patent Citations (2)
Title |
---|
ZITIAN WANG 等: "Object as Query: Equipping Any 2D Object Detector with 3D Detection Ability", 《ARXIV:2301.02364V1》, 6 January 2023 (2023-01-06), pages 2 - 4 * |
邵昀岑: "基于深度学习的三维目标检测算法综述", 《信息与电脑(理论版)》, no. 23, 10 December 2019 (2019-12-10), pages 30 - 33 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115631418B (zh) | 图像处理方法及装置、神经辐射场的训练方法 | |
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN115438214B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN115482325B (zh) | 画面渲染方法、装置、系统、设备及介质 | |
CN114743196A (zh) | 用于文本识别的神经网络及其训练方法、文本识别的方法 | |
CN113810765B (zh) | 视频处理方法、装置、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 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN117274370A (zh) | 三维位姿确定方法、装置、电子设备和介质 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
CN115965939A (zh) | 三维目标检测方法及装置、电子设备、介质和车辆 | |
CN114120448B (zh) | 图像处理方法和装置 | |
CN116030185A (zh) | 三维发丝生成方法和模型的训练方法 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN115359309A (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN114071024A (zh) | 图像拍摄方法、神经网络训练方法、装置、设备和介质 | |
CN117274575A (zh) | 目标检测模型的训练方法、目标检测方法、装置和设备 | |
CN115797455B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
CN115131562B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 |
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 |