识别图像中物体的方法及装置、电子设备、可读存储介质制造方法及图纸

本公开是关于一种识别图像中物体的方法及装置、电子设备、可读存储介质。该方法包括：确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。可见，本公开实施例中通过输入图像的多个候选区域和特征图对每个候选区域进行迭代调整，然后从获得的目标区域中识别出物体区域，每个候选区域的区域信息经过多次调整，能够提高区域信息的准确度，使确定出的物体区域刚好包围住物体，进而提高识别物体的准确度。

Method and device for identifying objects in images, electronic equipment, readable storage medium

The present disclosure relates to a method and device for identifying objects in an image, an electronic device, and a readable storage medium. The method includes: determining a plurality of candidate regions in the input image and the feature graph of the input image, the size of the feature graph is smaller than the size of the input image, and each candidate region is iteratively adjusted according to the region information and the feature graph of each candidate region, until the iteration termination condition is satisfied. The class probability of each candidate area is identified, and the object area is identified from the plurality of candidate regions according to the class probability of each candidate area. It can be seen that in this public embodiment, each candidate region is iteratively adjusted by the multiple candidate regions and features of the input image, then the object area is identified from the target area obtained, and the regional information of each candidate region is adjusted to improve the accuracy of the region's information and the identified object area. The domain just surrounds the object, thus improving the accuracy of identifying objects.

【技术实现步骤摘要】
识别图像中物体的方法及装置、电子设备、可读存储介质
本公开涉及图像处理
，尤其涉及一种识别图像中物体的方法及装置、电子设备、可读存储介质。
技术介绍
目前，在检测图像中的物体时，过程可以包括：首先，在图像中提取多个候选区域；然后，对每一个候选区域内的物体进行识别。但是，如果确定的候选区域位置不够准确，此时候选区域可能不是刚刚好包围住物体，导致从候选区域中获取的物体特征可能出现偏差，从而影响到识别物体的准确性。
技术实现思路
本公开提供一种识别图像中物体的方法及装置、电子设备、可读存储介质，以解决相关技术中的不足。根据本公开实施例的第一方面，提供一种识别图像中物体的方法，所述方法包括：确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。可选地，根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率，包括：在每一次迭代调整过程中：通过所述特征图获得每个候选区域的特征向量；根据所述特征向量计算所述候选区域的区域信息调整量；利用所述区域信息调整量对所述候选区域的区域信息进行调整，获得调整后的候选区域。可选地，根据所述特征向量计算所述候选区域的区域信息调整量之后，所述方法还包括：判断所述区域信息调整量是否小于或者等于调整量阈值；如果小于，将调整后的候选区域确定为目标区域；如果大于，重复所述迭代调整过程。可选地，根据所述特征向量计算所述候选区域的区域信息调整量之后，所述方法还包括：判断所述迭代次数是否大于或者等于次数阈值；如果大于或者等于，将调整后的候选区域确定为目标区域；如果小于，重复所述迭代调整过程。可选地，通过所述特征图获得每个候选区域的特征向量，包括：将每个候选区域按照所述输入图像与所述特征图之间的缩放系数映射至所述特征图中，获得所述每个候选区域对应的特征区域；对每个特征区域进行最大池化操作，获取预设长度的特征向量。可选地，根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域，包括对比每个目标区域的类别概率与概率阈值；若所述类别概率小于或等于所述概率阈值，从所述多个目标区域中剔除所述类别概率对应的候选区域，获取得多个目标区域；对所述多个目标区域进行非极大值抑制处理，获取到物体区域。根据本公开实施例的第二方面，提供一种识别图像中物体的装置，所述装置包括：特征图确定模块，用于确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；类别概率迭代模块，用于根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；物体区域识别模块，用于根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。可选地，所述类别概率迭代模块包括：特征向量获取单元，用于在每一次迭代调整时，通过所述特征图获得每个候选区域的特征向量；调整量计算单元，用于根据所述特征向量计算所述候选区域的区域信息调整量；候选区域获取单元，用于利用所述区域信息调整量对所述候选区域的区域信息进行调整，获得调整后的候选区域。可选地，所述类别概率迭代模块还包括：第一判断单元，用于判断所述区域信息调整量是否小于或者等于调整量阈值；第一输出单元，用于在所述区域信息调整量小于或者等于调整量阈值时，将调整后的候选区域确定为目标区域；第一触发单元，用于在所述区域信息调整量大于调整量阈值时，触发特征向量获取单元。可选地，所述类别概率迭代模块还包括：第二判断单元，用于判断所述迭代次数是否大于或者等于次数阈值；第二输出单元，用于在所述迭代次数大于或者等于次数阈值时，将调整后的候选区域确定为目标区域；第二触发单元，用于在所述迭代次数小于次数阈值时，触发特征向量获取单元。可选地，所述特征向量获取单元还包括：特征区域获取子单元，用于将每个候选区域按照所述输入图像与所述特征图之间的缩放系数映射至所述特征图中，获得所述每个候选区域对应的特征区域；特征向量获取子单元，用于对每个特征区域进行最大池化操作，获取预设长度的特征向量。可选地，所述物体区域识别模块包括：类别概率对比单元，用于对比每个目标区域的类别概率与概率阈值；目标区域获取单元，用于在所述类别概率小于或等于所述概率阈值时，从所述多个目标区域中剔除所述类别概率对应的候选区域目标区域，获取得多个目标区域；物体区域获取单元，用于对所述多个目标区域进行非极大值抑制处理，获取到物体区域。根据本公开实施例的第三方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器用于：确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。本公开的实施例提供的技术方案可以包括以下有益效果：由上述实施例可知，本公开实施例中通过输入图像的多个候选区域和特征图对每个候选区域进行迭代调整，然后从获得的目标区域中识别出物体区域，每个候选区域的区域信息经过多次调整，能够提高区域信息的准确度，使确定出的物体区域刚好包围住物体，进而提高识别物体的准确度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种识别图像中物体的方法的流程示意图；图2是根据另一示例性实施例示出的一种识别图像中物体的方法的流程示意图；图3是根据一示例性实施例示出的最大值池化处理的原理图；图4是根据一示例性实施例示出的非最大值抑制的效果示意图；图5～图10是根据一示例性实施例示出的识别图像中物体的装置的框图；图11是根据一示例性实施例示出的一种电子设备的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置例子。图1是根据一示例性实施例示出的一种识别图像中物体的方法的流程示意图。本公开实施例中，识别是指确定物体在输入图像的区域信息以及该本文档来自技高网...

【技术保护点】
一种识别图像中物体的方法，其特征在于，所述方法包括：确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。

【技术特征摘要】
1.一种识别图像中物体的方法，其特征在于，所述方法包括：确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。2.根据权利要求1所述的识别图像中物体的方法，其特征在于，根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率，包括：在每一次迭代调整过程中：通过所述特征图获得每个候选区域的特征向量；根据所述特征向量计算所述候选区域的区域信息调整量；利用所述区域信息调整量对所述候选区域的区域信息进行调整，获得调整后的候选区域。3.根据权利要求2所述的识别图像中物体的方法，其特征在于，根据所述特征向量计算所述候选区域的区域信息调整量之后，所述方法还包括：判断所述区域信息调整量是否小于或者等于调整量阈值；如果小于，将调整后的候选区域确定为目标区域；如果大于，重复所述迭代调整过程。4.根据权利要求2所述的识别图像中物体的方法，其特征在于，根据所述特征向量计算所述候选区域的区域信息调整量之后，所述方法还包括：判断所述迭代次数是否大于或者等于次数阈值；如果大于或者等于，将调整后的候选区域确定为目标区域；如果小于，重复所述迭代调整过程。5.根据权利要求2所述的识别图像中物体的方法，其特征在于，通过所述特征图获得每个候选区域的特征向量，包括：将每个候选区域按照所述输入图像与所述特征图之间的缩放系数映射至所述特征图中，获得所述每个候选区域对应的特征区域；对每个特征区域进行最大池化操作，获取预设长度的特征向量。6.根据权利要求1所述的识别图像中物体的方法，其特征在于，根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域，包括对比每个目标区域的类别概率与概率阈值；若所述类别概率小于或等于所述概率阈值，从所述多个目标区域中剔除所述类别概率对应的候选区域，获取得多个目标区域；对所述多个目标区域进行非极大值抑制处理，获取到物体区域。7.一种识别图像中物体的装置，其特征在于，所述装置包括：特征图确定模块，用于确定输入图像中的多个候选区域以及所述输入图像的特征图，所述特征图的尺寸小于所述输入图像的尺寸；类别概率迭代模块，用于根据每个候选区域的区域信息和所述特征图对每个候选区域进行迭代调整，直至获得满足迭代终止条件时的每个候选区域的类别概率；物体区域识别模块，用于根据所述每个候选区域的类别概率从所述多个候选区域中识别出物体区域。8.根据权利要求7所述的识别图像中物体的装置，其特征在于，所述类别概率迭代模块包括：特征向量获...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11