[发明专利]图像处理的方法与装置有效

专利信息
申请号: 202010110152.2 申请日: 2020-02-23
公开(公告)号: CN111292331B 公开(公告)日: 2023-09-12
发明(设计)人: 王涌壮;张晓鹏;谢凌曦;钮敏哲;张维;田奇 申请(专利权)人: 华为云计算技术有限公司
主分类号: G06T7/10 分类号: G06T7/10
代理公司: 北京龙双利达知识产权代理有限公司 11329 代理人: 王龙华;章愫
地址: 550025 贵州省贵阳市*** 国省代码: 贵州;52
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 处理 方法 装置
【权利要求书】:

1.一种图像处理的方法,其特征在于,包括:

基于第一种图像处理任务的原始特征数据获取第一空间特征信息;

通过使用卷积层处理第二种图像处理任务的原始特征数据与所述第一空间特征信息,获取第二特征数据;

对所述第二特征数据进行第二种图像处理,获得所述第二种图像处理任务的处理结果;

其中,所述第一种图像处理任务与所述第二种图像处理任务分别为目标检测任务与实例分割任务中的一种与另一种;

其中,所述第一种图像处理任务的原始特征数据与所述第二种图像处理任务的原始特征数据,均是基于待处理图像数据获取的。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

基于所述第二种图像处理任务的原始特征数据获取第二空间特征信息;

根据所述第一种图像处理任务的原始特征数据与所述第二空间特征信息,获取第一特征数据;

对所述第一特征数据进行第一种图像处理,获得所述第一种图像处理任务的处理结果。

3.根据权利要求1或2所述的方法,其特征在于,所述第一种图像处理任务为目标检测任务,所述第二种图像处理任务为实例分割任务;

其中,所述基于第一种图像处理任务的原始特征数据获取第一空间特征信息,包括:

基于所述目标检测任务的原始特征数据获取第三空间特征信息;

根据所述第三空间特征信息,分别获取横向特征信息与纵向特征信息;

重组所述横向特征信息与所述纵向特征信息,获取所述第一空间特征信息。

4.根据权利要求2所述的方法,其特征在于,所述获取第二特征数据,以及所述获取第一特征数据,包括:

通过执行如下操作,获取所述第一特征数据与所述第二特征数据,如下操作中i的初始取值为1,N为正整数:

步骤S1,基于特征数据IF1_i获取空间特征信息X1;

步骤S2,基于特征数据IF2_i获取空间特征信息X2;

步骤S3,根据所述特征数据IF1_i与所述空间特征信息X2,获取特征数据OF1_i;

步骤S4,根据所述特征数据IF2_i与所述空间特征信息X1,获取特征数据OF2_i;

步骤S5,判断i的取值是否等于N,

若否,将i的取值加1,并将特征数据OF1_(i-1)作为特征数据IF1_i,将特征数据OF2_(i-1)作为特征数据IF2_i,转到步骤S1,

若是,将特征数据OF1_i作为所述第一特征数据,将特征数据OF2_i作为所述第二特征数据;

其中,当i的取值为1时,特征数据IF1_i为所述第一种图像处理任务的原始特征数据,特征数据IF2_i为所述第二种图像处理任务的原始特征数据。

5.根据权利要求2或4所述的方法,其特征在于,所述第一种图像处理任务为目标检测任务,所述第二种图像处理任务为实例分割任务;

其中,所述对所述第一特征数据执行第一种图像处理任务,包括:

使用检测框预测模型处理所述第一特征数据,获得所述第一特征数据的目标检测预测结果;

其中,所述对所述第二特征数据进行第二种图像处理,获得所述第二种图像处理任务的处理结果,包括:

使用分割掩模预测模型处理所述第二特征数据,获得所述第二特征数据的分割掩膜预测结果,

其中,所述分割掩模预测模型是利用检测辅助损失函数训练得到的,所述检测辅助损失函数通过目标检测标签信息对所述分割掩模预测模型的输出进行约束,其中,所述目标检测标签信息用于训练所述检测框预测模型。

6.根据权利要求5所述的方法,其特征在于,所述检测辅助损失函数包括纵向检测辅助损失函数与横向检测辅助损失函数,

其中,所述纵向检测辅助损失函数通过所述目标检测标签信息对所述分割掩模预测模型输出的预测结果的纵向信息进行约束,所述横向检测辅助损失函数通过所述目标检测标签信息对所述分割掩模预测模型输出的预测结果的横向信息进行约束。

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华为云计算技术有限公司,未经华为云计算技术有限公司许可,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/202010110152.2/1.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