用于识别对象的方法和设备技术

公开一种用于识别对象的方法和设备。一种识别对象的方法包括：驱使处理器以：将输入图像施加到包括多个层的特征提取器；基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量，确定第三特征向量；基于第三特征向量，识别输入图像中的对象。

【技术实现步骤摘要】
用于识别对象的方法和设备本申请要求于2016年11月28日提交到韩国知识产权局的第10-2016-0159536号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
以下描述涉及一种用于识别对象的方法和设备。
技术介绍
为了解决未知问题，正在开展对将方法(采用与人类识别的相似之处的方法)应用到装置的研究。例如，正在开展对涉及对生物人类神经细胞进行建模的神经网络的方法的研究。神经网络可使用算法的选择，其中，所述算法可具有表现为与人类学习能力相似的突现行为。神经网络通过学习执行输入模式与每个输出模式之间的映射。此外，基于先前学习的结果，神经网络可具有用于基于未用于学习的输入模式产生相对正确或足够好的近似输出的泛化能力。
技术实现思路
提供本
技术实现思路
以用简化的形式介绍对在下面的具体实施方式中进一步描述的构思的选择。本
技术实现思路
不是旨在确定所要求保护主题的关键特征或必要特征，也不是意图被用作帮助确定所要求保护主题的范围。在一个总体方面，一种识别对象的方法包括：驱使处理器以：将输入图像施加到包括多个层的特征提取器；基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量，确定第三特征向量；基于第三特征向量，识别输入图像中的对象。确定第三特征向量的步骤可包括：通过针对所述多个第一特征向量和所述多个第二特征向量中的每个执行池化操作，确定第三特征向量。确定第三特征向量的步骤可包括：通过对应于基于第一层的核函数的卷积操作的结果针对所述多个第一特征向量中的每个第一特征向量执行池化操作，来获得第一池化向量；通过对应于基于第二层的核函数的卷积操作的结果针对所述多个第二特征向量中的每个第二特征向量执行池化操作，来获得第二池化向量；基于第一池化向量和第二池化向量，确定第三特征向量。确定第三特征向量的步骤还可包括：减轻第一池化向量和第二池化向量。可基于主成分分析(PCA)来减轻第一池化向量和第二池化向量。获得第一池化向量的步骤可包括：通过基于所述多个第一特征向量和用于使与目标种类对应的对象通过的掩膜向量执行预定池化操作，来获得第一池化向量。所述方法还可包括：将输入图像施加到对象分离器；获得指示包括在输入图像中的至少一个对象的种类的掩膜图像；基于掩膜图像和所述多个第一特征向量中的每个第一特征向量的大小，获得掩膜向量。获得第一池化向量的步骤可包括：通过基于所述多个第一特征向量和用于使对象的每个目标部分通过的多个掩膜向量执行预定池化操作，来获得第一池化向量。确定第三特征向量的步骤可包括：基于在所述多个第一特征向量中具有基本相同的偏移的对应点，确定列向量和行向量；基于列向量和行向量的乘积，获得多个向量；基于所述多个向量的乘积，确定与第一层相关联的特征向量；基于与第一层相关联的特征向量，确定第三特征向量。识别对象的步骤可包括：将第三特征向量施加到包括多个层的非线性分类器；基于非线性分类器的输出，识别输入图像中的对象。非线性分类器的输出可指示包括在预定种类中的多个特定种类之中的与输入图像中的对象对应的特定种类。一种非暂时性计算机可读存储介质可存储当被处理器执行时使得所述处理器执行所述方法的指令。在另一总体方面，一种对象识别设备包括：处理器；存储器，可操作地连接到所述处理器，所述存储器包括可由所述处理器执行的指令，其中，响应于所述指令被所述处理器执行，所述处理器被配置为：将输入图像施加到包括多个层的特征提取器；基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量，确定第三特征向量；基于第三特征向量，识别输入图像中的对象。所述处理器还可被配置为：通过针对所述多个第一特征向量和所述多个第二特征向量中的每个执行池化操作，确定第三特征向量。所述处理器还可被配置为：通过针对所述多个第一特征向量中的每个第一特征向量执行池化操作，获得第一池化向量；通过针对所述多个第二特征向量中的每个第二特征向量执行池化操作，获得第二池化向量；基于第一池化向量和第二池化向量，确定第三特征向量。所述处理器还可被配置为：减轻第一池化向量和第二池化向量，并基于减轻的第一池化向量和第二池化向量确定第三特征向量。所述处理器可被配置为：通过基于所述多个第一特征向量和用于使与目标种类对应的对象通过的掩膜向量执行池化操作，来获得第一池化向量。所述处理器还可被配置为：通过基于所述多个第一特征向量和用于使对象的每个目标部分通过的多个掩膜向量执行池化操作，来获得第一池化向量。所述处理器还可被配置为：基于在所述多个第一特征向量中具有基本相同的偏移的对应点，确定列向量和行向量；基于列向量和行向量的乘积，获得多个向量；基于所述多个向量的乘积，确定与第一层相关联的特征向量；基于与第一层相关联的特征向量，确定第三特征向量。所述处理器还可被配置为：将第三特征向量施加到包括多个层的非线性分类器；基于非线性分类器的输出，识别输入图像中的对象。根据另一总体方面，一种对象识别设备包括：特征提取器，包括神经网络，所述特征提取器被配置为：从输入图像提取特征层，基于由第一层输出的输入图像的多个第一特征向量和由第二层输出的输入图像的多个第二特征向量，确定第三特征向量；分类器，可操作地连接到所述特征提取器，所述分类器被配置为基于第三特征向量识别输入图像中的对象。所述特征提取器还可被配置为：通过针对所述多个第一特征向量和所述多个第二特征向量中的每个执行池化操作，确定第三特征向量。所述特征提取器还可被配置为：通过针对所述多个第一特征向量中的每个第一特征向量执行池化操作，获得第一池化向量；通过针对所述多个第二特征向量中的每个第二特征向量执行池化操作，获得第二池化向量；基于第一池化向量和第二池化向量，确定第三特征向量。所述特征提取器还可被配置为：减轻第一池化向量和第二池化向量，并基于减轻的第一池化向量和第二池化向量确定第三特征向量。所述特征提取器还可被配置为：通过基于所述多个第一特征向量和用于使与目标种类对应的对象通过的掩膜向量执行池化操作，来获得第一池化向量。所述处理器还可被配置为：通过基于所述多个第一特征向量和用于使对象的每个目标部分通过的多个掩膜向量执行池化操作，来获得第一池化向量。通过以下具体实施方式、附图和权利要求，其他特征和方面将是清楚的。附图说明图1示出对象识别设备的示例。图2示出池化操作(poolingoperation)的示例。图3示出识别对象的处理的示例。图4示出使用掩膜向量(maskvector)识别对象的处理的示例。图5示出产生掩膜向量的处理的示例。图6示出使用掩膜向量识别对象的处理的另一示例。图7示出产生掩膜向量的处理的另一示例。图8是示出训练设备的示例的框图。图9是示出对象识别设备的示例的框图。图10是示出识别对象的方法的示例的流程图。贯穿附图和具体实施方式，除非被另外描述或提供，否则相同的附图参考标记将被理解为表示相同的元件、特征和结构。附图可不按比例，并且为了清楚、示出和方便，可能夸大附图中的元件的相对大小、比例和描绘。具体实施方式提供下面具体的描述，以帮助读者获得对这里描述的方法、设备和/或系统的全面的理解。然而，这里描述的方本文档来自技高网...

【技术保护点】
一种识别对象的方法，所述方法包括：将输入图像施加到包括多个层的特征提取器；基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量，确定第三特征向量；基于第三特征向量，识别输入图像中的对象。

【技术特征摘要】
2016.11.28 KR 10-2016-01595361.一种识别对象的方法，所述方法包括：将输入图像施加到包括多个层的特征提取器；基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量，确定第三特征向量；基于第三特征向量，识别输入图像中的对象。2.如权利要求1所述的方法，其中，确定第三特征向量的步骤包括：通过针对所述多个第一特征向量和所述多个第二特征向量中的每个执行池化操作，确定第三特征向量。3.如权利要求1所述的方法，其中，确定第三特征向量的步骤包括：通过对应于基于第一层的核函数的卷积操作的结果针对所述多个第一特征向量中的每个第一特征向量执行池化操作，来获得第一池化向量；通过对应于基于第二层的核函数的卷积操作的结果针对所述多个第二特征向量中的每个第二特征向量执行池化操作，来获得第二池化向量；基于第一池化向量和第二池化向量，确定第三特征向量。4.如权利要求3所述的方法，其中，确定第三特征向量的步骤还包括：减轻第一池化向量和第二池化向量，其中，减轻第一池化向量和第二池化向量的步骤包括减小第一池化向量和第二池化向量的大小或维度。5.如权利要求4所述的方法，其中，基于主成分分析来减轻第一池化向量和第二池化向量。6.如权利要求3所述的方法，其中，获得第一池化向量的步骤包括：通过基于所述多个第一特征向量和用于使与目标种类对应的对象通过的掩膜向量执行预定池化操作，来获得第一池化向量。7.如权利要求6所述的方法，还包括：将输入图像施加到对象分离器；获得指示包括在输入图像中的至少一个对象的种类的掩膜图像；基于掩膜图像和所述多个第一特征向量中的每个第一特征向量的大小，获得掩膜向量。8.如权利要求3所述的方法，其中，获得第一池化向量的步骤包括：通过基于所述多个第一特征向量和用于使对象的每个目标部分通过的多个掩膜向量执行预定池化操作，来获得第一池化向量。9.如权利要求1所述的方法，其中，确定第三特征向量的步骤包括：基于在所述多个第一特征向量中具有基本相同的偏移的对应点，确定列向量和行向量；基于行向量和列向量的乘积，获得多个向量；基于所述多个向量的和，确定与第一层相关联的特征向量；基于与第一层相关联的特征向量，确定第三特征向量。10.如权利要求1所述的方法，其中，识别对象的步骤包括：将第三特征向量施加到包括多个层的非线性分类器；基于非线性分类器的输出，识别输入图像中的对象。11.如权利要求10所述的方法，其中，非线性分类器的输出指示包括在预定种类中的多个特定种类之中的与输入图像中的对象对应的特定种类。12.一种存储当被处理器执行时使得所述处理器执行如权利要求1所述的方法的指令的非暂时性计算机可读存储介质。13.一种对象识别设备，包括：处理器；存储器，可操作地连接到所述处理器，所述存储器包括可由所述处理器执行的指令，其中，响应于所述指令被所述处理器执行，所述处理器被配置为：将输入图像施加到包括多个层的特征提取器；基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量，确定第三特征向量；基于第三特征向量，识别输入图像中的对象。14.如权利要求13所述的对象识别设备，其中，所述处理...

【专利技术属性】
技术研发人员：张现盛，司空栋勋，孙旼廷，郑景夫，成映勋，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR