【技术实现步骤摘要】
基于实例分割框架的目标物体的检测方法及装置
本专利技术涉及深度学习领域，尤其涉及一种基于实例分割框架的目标物体的检测方法、一种基于实例分割框架的目标物体的检测装置。
技术介绍
在制造加工领域，通常需要检测生产出的产品是否合格。目前，在检测产品是否合格时，通常利用人工智能AI技术从产品的2D图像中获取产品的2D位置信息，然后再根据该2D位置信息所反映的产品特征信息，检测产品是否合格。但是，产品的2D位置信息往往不能全面且准确的反映出产品的特征信息，从而使得检测的结果不全面也不准确。因此，一种能够对产品的合格进行全面准确的检测方法亟待被提出。
技术实现思路
本专利技术的目的在于提供一种用于目标物体检测的新的技术方案。根据本专利技术的第一方面，提供了一种基于实例分割框架的目标物体的检测方法，包括：在开始目标检测后，获取与目标物体相关的待检测2D图像；将待检测2D图像输入实例分割框架，利用该框架中的各网络对待检测2D图像进行处理，当运行至实例分割框架的全卷积网络FCN时，获取目标物体的3D位置信息，该3D位置信息指示目标物体的旋转角度和位置偏移；为实例分割框架的网络损失函数设...
【技术保护点】
1.一种基于实例分割框架的目标物体的检测方法，其特征在于，包括：在开始目标检测后，获取与目标物体相关的待检测2D图像；将所述待检测2D图像输入实例分割框架，利用该框架中的各网络对待检测2D图像进行处理，当运行至实例分割框架的全卷积网络FCN时，获取目标物体的3D位置信息，该3D位置信息指示目标物体的旋转角度和位置偏移；为实例分割框架的网络损失函数设置对应于3D位置信息的3D权重因子；利用所述目标物体的3D位置信息以及包括了3D权重因子的网络损失函数进行迭代运算，根据运算结果判断目标物体是否合格。
【技术特征摘要】
1.一种基于实例分割框架的目标物体的检测方法，其特征在于，包括：在开始目标检测后，获取与目标物体相关的待检测2D图像；将所述待检测2D图像输入实例分割框架，利用该框架中的各网络对待检测2D图像进行处理，当运行至实例分割框架的全卷积网络FCN时，获取目标物体的3D位置信息，该3D位置信息指示目标物体的旋转角度和位置偏移；为实例分割框架的网络损失函数设置对应于3D位置信息的3D权重因子；利用所述目标物体的3D位置信息以及包括了3D权重因子的网络损失函数进行迭代运算，根据运算结果判断目标物体是否合格。2.根据权利要求1所述的方法，其特征在于，获取目标物体的3D位置信息包括：获取目标物体相对于参考位置的、在三维空间的三个旋转角度和位置偏移量，形成四维空间向量作为目标物体的3D位置信息。3.根据权利要求1所述的方法，其特征在于，获取目标物体的3D位置信息包括：利用实例分割框架的全卷积网络FCN中分类class分支、定位box分支和掩膜Mask分支对待检测2D图像进行处理，分别得到待检测2D图像中包含的目标物体的分类信息、包含的目标物体所处的检测框位置信息和包含的每一目标物体掩膜信息；以及利用实例分割框架的全卷积网络FCN中的3D位置估计分支，从所述分类信息、检测框位置信息和掩膜信息中提取得到目标物体的3D位置信息；或者，利用外部传感器采集得到所述目标物体的3D位置信息。4.根据权利要求3所述的方法，其特征在于，获取到的所述掩膜信息为表示第一状态和第二状态的二值化信息，第一状态指示2D图像中目标物体所在区域，第二状态指示2D图像中除目标物体之外的区域。5.根据权利要求3所述的方法，其特征在于，所述利用实例分割框架的全卷积网络FCN中分类class分支、定位box分支和掩膜Mask分支对待检测2D图像进行处理，分别得到待检测2D图像中包含的目标物体的分类信息、包含的目标物体所处的检测框位置信息和包含的每一目标物体掩膜信息，包括：根据所述待检测2D图像以及所述实例分割框架中的感兴趣区域提取网络，从所述待检测2D图像中提取多个感兴趣区域的特征图；根据每一所述感兴趣区域的特征图以及所述实例分割框架中的分类class分支，确定所述待检测2D图像中包含的目标物体的分类信息；根据所述分类信息、所述实例分割框架中的定位box分支，确定所述待检测2D图像中包含的...
【专利技术属性】
技术研发人员：高巍，张一凡，于瑞涛，
申请(专利权)人：歌尔股份有限公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。