[发明专利]图像元素的检测方法及装置在审

专利信息
申请号: 202010393592.3 申请日: 2020-05-11
公开(公告)号: CN111563462A 公开(公告)日: 2020-08-21
发明(设计)人: 黄仲强;胡浩;杨金辉;梁容铭;高玮;佟博;余梓玲;张坚琳 申请(专利权)人: 广东博智林机器人有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 曾红芳
地址: 528305 广东省佛山市顺德区北滘镇顺江*** 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 元素 检测 方法 装置
【权利要求书】:

1.一种图像元素的检测方法,其特征在于,包括:

获取待检测图像的特征数据;

对所述特征数据进行数据增强处理,得到处理后的特征数据;

将所述处理后的特征数据输入检测模型,由所述检测模型输出所述待检测图像的检测结果,所述检测结果包括所述待检测图像的元素的类别和所述元素在所述待检测图像中的位置信息;其中,所述检测模型包括叠加层网络、回归器以及按照多个尺寸类型的图像逐类训练的分类器;

通过损失函数对所述检测模型输出的检测结果进行修正。

2.根据权利要求1所述的图像元素的检测方法,其特征在于,对所述特征数据进行数据增强处理,包括:

通过数据增强方法扩增所述特征数据,所述数据增强方法包括下列至少之一:采用所述特征数据的最近邻插值和双线性插值;对所述特征数据进行高斯扰动、最近邻取均值扰动、最近邻中位数扰动;改变所述图像的对比度;将所述图像变为灰度图;对所述图像进行评议、旋转、错切、缩放操作。

3.根据权利要求2所述的图像元素的检测方法,其特征在于,对所述特征数据进行数据增强处理之后,还包括:

通过图像的缩放参数结合混合算法对所述数据增强处理后的特征数据进行处理,以建立不同的所述待检测图像之间的线性关系。

4.根据权利要求3所述的图像元素的检测方法,其特征在于,通过图像的缩放参数结合混合算法对所述数据增强处理后的特征数据进行处理包括:

通过以下公式对所述数据增强处理后的特征数据进行处理:

Input=λIm+(1-λ)In

Output=λOm+(1-λ)In

λ为所述缩放参数,Input为所述混合算法的输入,Output为所述混合算法的输出,I为输入的图像像素值,m、n为图像编号,O为输出的图像像素值。

5.根据权利要求1所述的图像元素的检测方法,其特征在于,将所述处理后的特征数据输入检测模型,由所述检测模型输出所述待检测图像的检测结果,所述检测结果包括所述待检测图像的元素的类别和所述元素在所述待检测图像中的位置信息;其中,所述检测模型包括叠加层网络、回归器以及按照多个尺寸类型的图像逐类训练的分类器,包括:

建立分类器和回归器;

对所述分类器按照多个尺寸类型的图像逐类进行训练;

通过所述分类器和所述回归器确定所述检测结果。

6.根据权利要求5所述的图像元素的检测方法,其特征在于,对所述分类器按照多个尺寸类型的图像逐类进行训练,包括:

获取多个尺寸类型的图像,其中,不同的尺寸类型对应不同的尺寸范围;

按照尺寸类型的图像尺寸,从小到大逐类对所述分类器进行训练。

7.根据权利要求5所述的图像元素的检测方法,其特征在于,通过所述分类器和所述回归器确定所述检测结果之后,还包括:

构建叠加层网络;

对所述叠加层网络中的低层卷积特征图和高层卷积特征图进行拆分重组,使所述低层卷积特征图和所述高层卷积特征图的尺寸相同;

在所述低层卷积特征图和所述高层卷积特征图之间建立连接机制;

通过所述连接机制将所述低层卷积特征图的各个元素的位置信息加到所述高层卷积特征图上;

根据所述高层卷积特征图修正所述检测结果中的所述元素在所述待检测图像中的位置信息。

8.根据权利要求1所述的图像元素的检测方法,其特征在于,所述获取待检测图像的特征数据,包括:

建立图像数据库;

对所述图像数据库中的待检测图像进行图像均衡化和图像锐化;

对均衡化和图像锐化处理后的所述待检测图像的元素所处的目标区域进行标注;

获取所述待检测图像中标注的所述目标区域的特征数据。

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广东博智林机器人有限公司,未经广东博智林机器人有限公司许可,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/202010393592.3/1.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