[发明专利]一种图像检测方法及装置有效

专利信息
申请号: 201911284783.X 申请日: 2019-12-13
公开(公告)号: CN111160140B 公开(公告)日: 2023-04-18
发明(设计)人: 崔婵婕;任宇鹏;卢维;熊剑平 申请(专利权)人: 浙江大华技术股份有限公司
主分类号: G06V20/60 分类号: G06V20/60;G06V10/46;G06V10/82;G06N3/02
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 潘平
地址: 310053 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 检测 方法 装置
【权利要求书】:

1.一种图像检测方法,其特征在于,包括:

获取包含一个或多个待检测物体的图像;

根据神经网络对所述图像进行特征提取,得到N个特征图;所述N为大于或等于2的整数;

对所述N个特征图进行融合处理得到第一特征图H;

对所述第一特征图H进行语义信息提取,得到注意力图;

根据所述注意力图和所述第一特征图H得到第二特征图;

将所述N个特征图依次和所述第二特征图融合,得到检测结果。

2.如权利要求1所述的方法,其特征在于,所述对所述N个特征图进行融合处理得到第一特征图H,包括:

所述N个特征图包括多层;其中,第i+1层的M个特征图是由第i层的N个特征图卷积融合得到,M=N-1;所述i为大于或等于1的整数;

将最后一层的特征图作为所述第一特征图H。

3.如权利要求2所述的方法,其特征在于,所述第i+1层的M个特征图是由第i层的N个特征图卷积融合得到,包括:

所述M个特征图中的第j个特征图由第i层的第j个特征图和第j+1个特征图融合得到,所述j为大于或等于1的整数。

4.如权利要求1所述的方法,其特征在于,所述对所述第一特征图H进行语义信息提取,得到注意力图,包括:

对所述第一特征图H进行卷积降维,得到特征图Q和特征图K;

根据所述特征图Q和所述特征图K得到注意力权重;

对所述注意力权重进行归一化处理得到所述注意力图。

5.如权利要求1所述的方法,其特征在于,所述对所述第一特征图H进行语义信息提取,得到注意力图之后,还包括:

对所述第一特征图H进行卷积,得到特征图V;

根据所述特征图V和所述第一特征图H得到第三特征图S;其中,所述第三特征图S满足如下公式:

S=(V*A)+H;

其中,所述S是所述第三特征图,所述V是所述特征图V,所述A是所述注意力图,所述H是所述第一特征图H;

对所述第三特征图S进行卷积生成分割结果;

若所述分割结果与所述注意力图中的标记区域一致,根据所述注意力图和所述第一特征图H得到第二特征图。

6.如权利要求1所述的方法,其特征在于,所述根据所述注意力图和所述第一特征图H得到第二特征图,包括:

所述第二特征图满足如下公式:

F=H*(A+1);

其中,所述F是所述第二特征图,所述A是所述注意力图,所述H是所述第一特征图。

7.如权利要求1所述的方法,其特征在于,所述将所述N个特征图依次和所述第二特征图融合,得到检测结果,包括:

将所述第二特征图和所述N个特征图中除最后第一层以外的每层的最后一个特征图融合得到所述检测结果。

8.一种图像检测装置,其特征在于,所述装置包括:

获取模块,用于获取包含一个或多个待检测物体的图像;

处理模块,用于根据神经网络对所述图像进行特征提取,得到N个特征图;所述N为大于或等于2的整数;

所述处理模块,还用于对所述N个特征图进行融合处理得到第一特征图H;

所述处理模块,还用于对所述第一特征图H进行语义信息提取,得到注意力图;

所述处理模块,还用于根据所述注意力图和所述第一特征图H得到第二特征图;

所述处理模块,还用于将所述N个特征图依次和所述第二特征图融合,得到检测结果。

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。

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浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,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/201911284783.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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