[发明专利]图像处理方法、装置及电子设备在审

专利信息
申请号: 201910403859.X 申请日: 2019-05-15
公开(公告)号: CN110222726A 公开(公告)日: 2019-09-10
发明(设计)人: 李华夏 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/34;G06N3/04;G06N3/08
代理公司: 北京竹辰知识产权代理事务所(普通合伙) 11706 代理人: 陈龙
地址: 100041 北京市石景山区*** 国省代码: 北京;11
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 图像处理 卷积 装置及电子设备 平行 目标对象 目标识别 下采样 数据处理技术 风格化效果 图像特征 准确度 采样率 分割 网络 输出 融合
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

获取包含目标对象的第一图像;

设置对第一图像进行图像处理的分割网络,所述分割网络包括多个卷积层和下采样层,所述卷积层和所述下采样层间隔分布,所述卷积层对所述第一图像中的目标对象进行特征提取,所述下采样层对所述卷积层输出的图像执行下采样操作;

在所述分割网络中第二个下采样层之后,设置多个不同采样率平行卷积层,所述平行卷积层用于处理第二个下采样层输出的图像,每个平行卷积层上提取的图像特征通过融合的方式,形成第二图像;

通过对所述第二图像进行目标识别,获取包含所述目标对象的第三图像。

2.根据权利要求1所述的方法,其特征在于,所述对所述第二图像进行目标识别,包括:

在所述平行卷积层之后,设置第三下采样层,所述第三下采样层对所述第二图像执行下采样操作。

3.根据权利要求2所述的方法,其特征在于,所述对所述第二图像进行目标识别,还包括:

在所述第三下采样层之后,设置多个上采样层,所述上采样层对第三下采样层输出的图像执行上采样操作。

4.根据权利要求3所述的方法,其特征在于,所述对所述第二图像进行目标识别,还包括:

在所述分割网络中设置全连接层;

在所述全连接层中,对所述平行卷积层不同节点输出的图像设置不同的权重值以及针对采样层所有节点的偏置值;

基于所述权重值和所述偏置值,对所述上采样层输出的图像进行目标识别。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述分割网络中所有的卷积层;

获取所有卷积层中每一卷积层输出的特征图像的图像尺寸;

在将输出相同图像尺寸的卷积层之间进行卷积层连接。

6.根据权利要求5所述的方法,其特征在于,所述在将输出相同图像尺寸的卷积层之间进行卷积层连接,包括:

获取N个输出相同图像尺寸的卷积层x中,第i个卷积层的输入xi和输出H(xi);

基于xi和H(xi),构建第i个卷积层的残差函数F(xi)=H(xi)-xi;

基于所述残差函数进行卷积层的连接。

7.根据权利要求6所述的方法,其特征在于,所述基于所述残差函数进行卷积层的连接,包括:

设置针对第i个卷积层的映射函数W(xi);

获取第i个卷积层的输入xi及第i个卷积层的输出F(xi);

将F(xi)+W(xi)作为第i+2个卷积层的输入。

8.根据权利要求1所述的方法,其特征在于,所述每个平行卷积层上提取的图像特征通过融合的方式,形成第二图像,包括:

在所述多个平行卷积层中设置相同大小的卷积核;

基于所述卷积核,对输入到所述多个平行卷积层中的图像进行特征提取,形成多个特征向量矩阵;

为所述多个特征向量矩阵分配不同的权重值,将不同权重值的特征向量矩阵的和作为所述第二图像的表示矩阵。

9.一种图像处理装置,其特征在于,包括:

获取模块,用于获取包含目标对象的第一图像;

设置模块,用于设置对第一图像进行图像处理的分割网络,所述分割网络包括多个卷积层和下采样层,所述卷积层和所述下采样层间隔分布,所述卷积层对所述第一图像中的目标对象进行特征提取,所述下采样层对所述卷积层输出的图像执行下采样操作;

处理模块,用于在所述分割网络中第二个下采样层之后,设置多个不同采样率平行卷积层,所述平行卷积层用于处理第二个下采样层输出的图像,每个平行卷积层上提取的图像特征通过融合的方式,形成第二图像;

执行模块,用于通过对所述第二图像进行目标识别,获取包含所述目标对象的第三图像。

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北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,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/201910403859.X/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