基于人工智能的线段识别方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113887346A(43)申请公布日2022.01.04(21)申请号202111092999.3(22)申请日2021.09.17(71)申请人中国平安人寿保险股份有限公司地址518000广东省深圳市福田区益田路5033号平安金融中心14、15、16、37、41、44、45、46层(72)发明人刘吉刚(74)专利代理机构深圳国新南方知识产权代理有限公司44374代理人代文成(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书4页说明书12页附图7页(54)发明名称基于人工智能的线段识别方法、装置、设备及存储介质(57)摘要本发明公开了基于人工智能的线段识别方法，应用于人工智能技术领域，用于解决图像中线段识别的效果不准确的技术问题。本发明提供的方法包括：通过特征提取网络的不同层对待识别图像进行输出分别得到第一图像特征、第一位置特征、第二图像特征和第二位置特征，将第一图像特征、第一位置特征、第二图像特征和第二位置特征分别进行加和得到粗糙特征和深度特征；对粗糙特征进行粗编码得到第一中间特征；通过起始线段向量和粗解码模块对第一中间特征进行解码得到中间线段向量；通过细编码模块对深度特征进行细编码得到第二中间特征；通过中间线段向量和细解码模块对第二中间特征进行解码，根据得到的目标线段向量得到该图像中包含的线段的位置及端点。CN113887346ACN113887346A权利要求书1/4页1.一种基于人工智能的线段识别方法，其特征在于，所述方法包括：获取待识别的图像，将所述待识别的图像输入至训练好的线段识别模型的特征提取网络；通过所述特征提取网络的第N层对所述待识别的图像进行输出，得到第一图像特征和第一位置特征；将所述第一图像特征和第一位置特征进行加和处理，得到粗糙特征；通过训练好的线段识别模型的粗编码模块对所述粗糙特征进行粗编码，得到第一中间特征；通过起始线段向量和训练好的线段识别模型的粗解码模块对所述第一中间特征进行解码，得到中间线段向量；通过所述特征提取网络的第M层对所述待识别的图像进行输出，得到第二图像特征和第二位置特征，所述第M层的网络层级低于所述第N层的网络层级；将所述第二图像特征和所述第二位置特征进行加和处理，得到深度特征；通过训练好的线段识别模型的细编码模块对所述深度特征进行细编码，得到第二中间特征；通过所述中间线段向量和训练好的线段识别模型的细解码模块对所述第二中间特征进行解码，得到目标线段向量；将所述目标线段向量输入至所述训练好的线段识别模型的全连接层，得到所述待识别的图像中包含的线段的位置以及端点。2.根据权利要求1所述的基于人工智能的线段识别方法，其特征在于，所述将所述第一图像特征和第一位置特征进行加和处理，得到粗糙特征的步骤进一步包括：获取所述第一图像特征所在维度空间中各图像特征数值的第一坐标位置；获取所述第一位置特征所在维度空间中各位置特征数值的第一坐标位置，所述第一图像特征的图像特征数值的第一坐标位置与所述第一图像特征的位置特征数值的第一坐标位置具有一一对应的关系；依次将属于所述维度空间中同一第一坐标位置的所述图像特征数值和所述位置特征数值相加，得到所述粗糙特征。3.根据权利要求1所述的基于人工智能的线段识别方法，其特征在于，所述粗解码模块包括若干个结构相同的粗解码层，各所述粗解码层依次顺序连接，所述通过起始线段向量和训练好的线段识别模型的粗解码模块对所述第一中间特征进行解码，得到中间线段向量的步骤进一步包括：将所述起始线段向量输入至所述粗解码模块的第一粗解码层，通过所述第一粗解码层对所述起始线段向量进行自注意力机制处理，得到第一自注意力向量；通过所述第一粗解码层对所述第一自注意力向量和所述第一中间特征进行交叉注意力机制处理，得到第一交叉注意力向量；通过所述第一粗解码层对所述第一交叉注意力向量进行前向传播，将所述第一交叉注意力向量发送至与所述第一粗解码层顺序连接的在后粗解码层；将所述在后粗解码层作为当前粗解码层，通过所述当前粗解码层对所述第一交叉注意力向量进行自注意力机制处理，得到当前自注意力向量；2CN113887346A权利要求书2/4页通过所述当前粗解码层对所述当前自注意力向量和所述第一中间特征进行交叉注意力机制处理，得到当前交叉注意力向量；当所述当前粗解码层为所述粗解码模块的最后一层时，将所述当前交叉注意力向量作为所述中间线段向量，否则，通过所述当前粗解码层对所述当前交叉注意力向量进行前向传播，将所述当前交叉注意力向量发送至与所述当前粗解码层顺序连接的在后粗解码层，循环所述将所述在后粗解码层作为所述当前粗解码层至本步骤，直到所述当前粗解码层为所述粗解码模块的最后一层。4.根据