针对自动对象标识的图像处理制造技术

本公开的实施例涉及针对自动对象标识的图像处理。设备获得图像并且基于图像以及使用图像生成模型来生成候选图像集合以用于对象识别。设备基于候选图像集合并且使用图像评估模型来确定候选图像集合中的一个或多个候选图像在图像生成期间并且使用图像生成模型而被处理以改进图像的分辨率。设备针对一个或多个候选图像并且基于图像来确定图像嵌入，并且针对一个或多个候选图像基于图像嵌入和图像来确定嵌入误差。设备基于图像嵌入和嵌入误差来确定图像的特征的标识，并且基于确定特征的标识来执行与特征的标识相关的动作。

Image processing for automatic object identification

【技术实现步骤摘要】
针对自动对象标识的图像处理
本公开的实施例涉及图像处理，并且更具体地，涉及针对自动对象标识的图像处理。
技术介绍
诸如相机，摄像机等的图像捕获设备可以被用来捕获图像。例如，用户设备可以包括相机以捕获用户的图像。类似地，自动驾驶车辆可以包括摄像机以捕获自动驾驶车辆正在其中操作的环境的视频。图像捕获设备可以向诸如用户设备的处理设备提供图像以用于处理和/或利用。例如，用户设备可以使用面部识别技术来确定用户设备的用户的身份。在这种情况下，用户设备可以基于分析所捕获的用户的图像来确定用户设备的用户是授权用户，并且用户设备可以支持用户对用户设备的访问。类似地，自动驾驶车辆的控制设备可以基于分析视频的帧来标识在自动驾驶车辆的阈值接近度内的对象，并且可以控制自动驾驶车辆的方向和/或速度以避开对象。
技术实现思路
根据一些可能的实现，设备可以包括一个或多个存储器和被通信地耦合到一个或多个存储器的一个或多个处理器以获得图像。一个或多个处理器可以基于图像并且使用图像生成模型来生成候选图像集合以用于对象标识。一个或多个处理器可以基于候选图像集合并且本文档来自技高网...

【技术保护点】
1.一种设备，包括：/n一个或多个存储器；以及/n一个或多个处理器，被通信地耦合到所述一个或多个存储器，所述一个或多个处理器用以：/n获得图像；/n基于所述图像并且使用图像生成模型来生成候选图像集合以用于对象识别；/n基于所述候选图像集合并且使用图像评估模型来确定：所述候选图像集合中的一个或多个候选图像在图像生成期间并且使用所述图像生成模型而被处理以改进所述图像的分辨率；/n针对所述一个或多个候选图像并且基于所述图像来确定图像嵌入；/n针对所述一个或多个候选图像，基于所述图像嵌入和所述图像来确定嵌入误差；/n基于所述图像嵌入和所述嵌入误差来确定所述图像的特征的标识；/n将所述嵌入误差反向传播到...

【技术特征摘要】
20180807 US 16/057,2461.一种设备，包括：
一个或多个存储器；以及
一个或多个处理器，被通信地耦合到所述一个或多个存储器，所述一个或多个处理器用以：
获得图像；
基于所述图像并且使用图像生成模型来生成候选图像集合以用于对象识别；
基于所述候选图像集合并且使用图像评估模型来确定：所述候选图像集合中的一个或多个候选图像在图像生成期间并且使用所述图像生成模型而被处理以改进所述图像的分辨率；
针对所述一个或多个候选图像并且基于所述图像来确定图像嵌入；
针对所述一个或多个候选图像，基于所述图像嵌入和所述图像来确定嵌入误差；
基于所述图像嵌入和所述嵌入误差来确定所述图像的特征的标识；
将所述嵌入误差反向传播到所述图像生成模型中以生成用于后续图像生成的更新的图像生成模型；
将所述图像的所述特征的所述标识反向传播到所述图像评估模型中以生成用于后续图像评估的更新的图像评估模型；以及
基于确定所述特征的所述标识来执行与所述特征的所述标识相关的动作。


2.根据权利要求1所述的设备，其中所述一个或多个处理器进一步用以：
使用所述更新的图像生成模型来基于其他图像生成候选图像的其他集合；以及
基于候选图像的所述其他集合来确定所述其他图像的其他特征的其他标识。


3.根据权利要求1所述的设备，其中所述一个或多个处理器进一步用以：
使用所述更新的图像评估模型来评估与其他图像相关的其他一个或多个候选图像；以及
基于所述其他一个或多个候选图像来确定所述其他图像的其他特征的其他标识。


4.根据权利要求1所述的设备，其中所述一个或多个处理器进一步用以：
确定所述嵌入误差不满足阈值；
基于确定所述嵌入误差不满足所述阈值，使用确定所述图像嵌入和所述嵌入误差的结果来迭代图像生成和图像评估以确定其他图像嵌入和其他嵌入误差；并且
其中所述一个或多个处理器在确定所述图像的所述特征的所述标识时，用以：
基于所述其他图像嵌入和所述其他嵌入误差来确定所述图像的所述特征的所述标识。


5.根据权利要求1所述的设备，其中所述动作与使得自动驾驶车辆受到控制相关联。


6.根据权利要求1所述的设备，其中所述一个或多个处理器在执行与所述特征的所述标识相关的所述动作时，用以：
基于所述特征的所述标识来与其他设备通信以提供与更改所述其他设备的功能相关的命令。


7.根据权利要求1所述的设备，其中所述图像的所述特征是以下中的至少一项：
生物特征，
对象，
图像分段，或者
消息。


8.根据权利要求1所述的设备，其中所述图像评估模型是深度强化学习模型。


9.根据权利要求1所述的设备，其中所述图像生成模型是生成式对抗网络(GAN)模型。


10.根据权利要求1所述的设备，其中所述图像是视频记录的至少一个帧。


11.根据权利要求1所述的设备，其中所述图像包括低分辨率图像。


12.根据权利要求1所述的设备，其中所述一个或多个处理器在使用所述图像评估模型来确定所述一个或多个候选图像在图像生成期间并且使用所述图像生成模型而被处理时，用以：
接收历史上的高分辨率图像的集合；以及
将所述一个或多个候选图像与所述历史上的高分辨率图像相比较。


13...

【专利技术属性】
技术研发人员：M·F·扎曼，P·拉莫斯，C·奥哈根，
申请(专利权)人：埃森哲环球解决方案有限公司，
类型：发明
国别省市：爱尔兰;IE