[发明专利]图像检测、神经网络训练方法、装置和电子设备有效

专利信息
申请号: 201710239189.3 申请日: 2017-04-13
公开(公告)号: CN108229523B 公开(公告)日: 2021-04-06
发明(设计)人: 任思捷;陈晓濠;刘建博;孙文秀;严琼;徐立;戴宇荣 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京康达联禾知识产权代理事务所(普通合伙) 11461 代理人: 兰淑铎;张雪飞
地址: 518000 广东省深圳市南山*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检测 神经网络 训练 方法 装置 电子设备
【权利要求书】:

1.一种图像检测方法,包括:

获取待检测图像的多个特征图,其中,多个特征图的分辨率不同;

通过神经网络包括的至少一个特征改善层中的每个特征改善层按照分辨率从高到低的顺序依次对多个特征图进行特征提取,将每次特征提取的结果与相邻的后一特征图以及前一特征图进行特征融合,生成对应的多个特征改善图;

使用生成的各特征改善图进行图像检测,

其中,当所述神经网络包括多个相连的特征改善层时,将前一特征改善层输出的各个特征改善图作为相邻的后一特征改善层中对应位置的特征图输入。

2.根据权利要求1所述的方法,其中,针对每个特征改善层,所述按照分辨率从高到低的顺序依次对多个特征图进行特征提取,将每次特征提取的结果与相邻的后一特征图以及前一特征图进行特征融合,生成对应的多个特征改善图,包括:

针对当前特征图,获得与其相邻的分辨率高的前一特征图的第一特征提取结果,以及,获得与其相邻的分辨率低的后一特征图的第二特征提取结果;

将获得的第一特征提取结果以及第二特征提取结果,与当前特征图进行特征融合,获得与当前特征图对应的特征改善图,所述第一特征提取结果、所述第二特征提取结果各自的分辨率分别与所述当前特征图相同。

3.根据权利要求2所述的方法,其中,所述第一特征提取结果通过对所述前一特征图进行卷积和池化处理获得;以及,所述第二特征提取结果通过对所述后一特征图进行卷积和上采样处理获得。

4.根据权利要求2所述的方法,其中,所述针对当前特征图,获得与其相邻的分辨率高的前一特征图的第一特征提取结果,以及,获得与其相邻的分辨率低的后一特征图的第二特征提取结果,包括:

如果所述当前特征图为当前特征改善层处理的首个特征图,则对当前特征图进行卷积和池化处理,获得第一特征提取结果并后向输出;接收与其相邻的后一特征图经卷积和上采样处理后获得的第二特征提取结果;

以及,

如果所述当前特征图为当前特征改善层处理的末个特征图,则对当前特征图进行卷积和上采样处理,获得第二特征提取结果并前向输出;并接收与其相邻的前一特征图经卷积和池化处理后获得的第一特征提取结果;

以及,

如果所述当前特征图为当前特征改善层处理的非首个且非末个特征图,则对当前特征图进行卷积和池化处理,获得第一特征提取结果并后向输出;对当前特征图进行卷积和上采样处理,获得第二特征提取结果并前向输出;并且,接收与其相邻的前一特征图经卷积和池化处理后获得的第一特征提取结果,以及,接收与其相邻的后一特征图经卷积和上采样处理后获得的第二特征提取结果。

5.根据权利要求1-4任一项所述的方法,其中,多个所述特征改善层的神经网络参数相同。

6.根据权利要求1-4任一项所述的方法,其中,所述特征改善层采用递归神经网络结构。

7.根据权利要求1-4任一项所述的方法,其中,所述使用生成的各特征改善图进行图像检测,包括:

获取至少一个特征改善层生成的对应的至少一组特征改善图,其中,每个特征改善层生成包括多个特征改善图的一组特征改善图;

对每组特征改善图进行图像检测,获得对应的至少一组检测结果;

根据获得的检测结果,确定最终检测结果。

8.根据权利要求7所述的方法,其中,所述根据获得的检测结果,确定最终检测结果,包括:

根据每组检测结果对应的特征改善层在神经网络中的位置顺序,确定位置位于设定位置后的多个特征改善层对应的多组检测结果;

对多组检测结果进行平均,根据平均后的结果确定最终检测结果。

9.根据权利要求1-4任一项所述的方法,其中,所述使用生成的各特征改善图进行图像检测,包括:

使用生成的各特征改善图进行以下检测至少之一:目标物体检测、目标物体识别、物体分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710239189.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top