图像识别方法、装置、设备和存储介质.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CN112668582A(43)申请公布日2021.04.16(21)申请号202011624446.3(22)申请日2020.12.31(71)申请人北京迈格威科技有限公司地址100090北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人熊鹏飞肖坤涛(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人何少岩(51)Int.Cl.G06K9/34(2006.01)G06N3/04(2006.01)权利要求书2页说明书7页附图7页(54)发明名称图像识别方法、装置、设备和存储介质(57)摘要本申请提供一种图像识别方法、装置、设备和存储介质，该方法包括：在原始图像中，定位目标对象的至少一个定位点；获取所述目标对象的每个像素点与所述定位点之间的偏移量；根据所述偏移量从所述原始图像中的各个像素点中获得对应于所述定位点的目标像素点集合；根据所述目标像素点集合识别所述原始图像中的所述目标对象。本申请实现了在很小的计算量下可以获得更加准确的识别结果。CN112668582ACN112668582A权利要求书1/2页1.一种图像识别方法，其特征在于，包括：在原始图像中，定位目标对象的至少一个定位点；获取所述目标对象的每个像素点与所述定位点之间的偏移量；根据所述偏移量从所述原始图像中的各个像素点中获得对应于所述定位点的目标像素点集合；根据所述目标像素点集合识别所述原始图像中的所述目标对象。2.根据权利要求1所述的方法，其特征在于，所述在原始图像中，定位目标对象的至少一个定位点，包括：通过定位分支模型获得所述原始图像的定位特征图；对所述定位特征图进行二值化处理，并对二值化处理后的所述定位特征图进行聚类处理，得到每个所述定位点在所述原始图像中的位置信息。3.根据权利要求2所述的方法，其特征在于，所述定位特征图中对应于所述目标对象的指定部位的特征值为1‑0，其中，远离所述定位点的位置的特征值趋近于0，靠近所述定位点的位置的特征值趋近于1。4.根据权利要求1‑3中任一项所述的方法，其特征在于，所述获取所述目标对象的每个像素点与所述定位点之间的偏移量，包括：基于偏移量分支模型，计算得到所述原始图像的偏移量特征图，所述偏移量特征图中包括：所述目标对象的每个像素点与所述定位点之间的相对位置偏移量。5.根据权利要求1‑3中任一项所述的方法，其特征在于，所述根据所述目标像素点集合识别所述原始图像中的所述目标对象，包括：从所述原始图像中分割出所述目标对象所在的前景图像；将所述前景图像中对应于所述定位点的所述目标像素点集合归为所述目标对象。6.根据权利要求5所述的方法，其特征在于，所述从所述原始图像中分割出所述目标对象所在的前景图像，包括：采用语义和边缘分割网络从所述原始图像中分割出每个所述目标对象所在的前景图像。7.根据权利要求6所述的方法，其特征在于，所述语义和边缘分割网络包括：主干网络，包括多个卷积层，用于对所述原始图像进行上采样、下采样、特征叠加中的一种或多种处理；分支网络，包括多个卷积层，用于对所述主干网络处理后的图像进行上采样、下采样、特征叠加中的一种或多种处理。8.一种图像识别装置，其特征在于，包括：定位模块，用于在原始图像中，定位目标对象的至少一个定位点；获取模块，用于获取所述目标对象的每个像素点与所述定位点之间的偏移量；获得模块，用于根据所述偏移量从所述原始图像中的各个像素点中获得对应于所述定位点的目标像素点集合；识别模块，用于根据所述目标像素点集合识别所述原始图像中的所述目标对象。9.一种电子设备，其特征在于，包括：存储器，用以存储计算机程序；2CN112668582A权利要求书2/2页处理器，用以执行如权利要求1至7中任一项所述的方法，以识别出原始图像中的目标对象。10.一种非暂态电子设备可读存储介质，其特征在于，包括：程序，当其藉由电子设备运行时，使得所述电子设备执行权利要求1至7中任一项所述的方法。3CN112668582A说明书1/7页图像识别方法、装置、设备和存储介质技术领域[0001]本申请涉及图像处理技术领域，具体而言，涉及一种图像识别方法、装置、设备和存储介质。背景技术[0002]图像实例分割(imageinstancesegmentation)是计算机视觉(computervision)的一项核心技术。随着深度学习的普及，实例分割在无人驾驶，机器人导航，手机图像编辑中都有着重要的作用。[0003]实例分割指从图像中将每一个物体的像素点单独分割出来。不同于语义分割(SemanticSegmentation)，实例分割的难点在于要将同一类别的物体要和其他物体一一区分出来。依赖于深度学习，目前图像识别的主要做法是结合