【技术实现步骤摘要】
一种图像内容复杂度的判别方法及装置
本申请涉及计算机视觉
，尤其涉及一种图像内容复杂度的判别方法及装置。
技术介绍
当前计算机视觉领域中，图像语义分割是计算机视觉中图像理解的重要一环，对图像中的具体事物和环境可以进行理解、识别和判断，是计算即视觉领域的基石。现有的语义分割框架包括one-stage架构(例如YOLO系列)和two-stage架构(例如R_CNN系列)。其中，one-stage架构的处理效率较快，two-stage架构的处理结果准确性较高。整个语义分割数据集(具体指的是图像集合)包括多种类型的数据(具体指的是图像)，每种图像的内容的复杂程度都不一样，采用单一类型的语义分割架构，处理各种图像，明显无法达到在效率和准确性上的兼顾。因此，内容复杂度不同的图像，所采用的语义分割架构也需要有所不同。
技术实现思路
本申请提供了一种图像内容复杂度的判别方法及装置，目的在于识别图像中的内容的复杂度，为选取合适的语义分割架构提供有效依据。为了实现上述目的，本申请提供了以下技术方案：
【技术保护点】
1.一种图像内容复杂度的判别方法，其特征在于，包括：/n通过将待测图像输入预设的图像内容复杂度的判别网络，得到所述图像内容复杂度的判别网络输出的分类结果；/n若所述分类结果指示所述待测图像中的目标较小、数量多且密集分布，则将第一架构作为语义分割系统的语义分割架构；/n若所述分类结果指示所述待测图像中的目标较大、数量少且稀疏分布，则将第二架构作为语义分割系统的语义分割架构；/n其中，所述图像内容复杂度的判别网络包括：/n特征捕获结构，用于对目标图像进行特征捕获，得到捕获结果，其中，所述目标图像为所述待测图像的特征图像，所述捕获结果包括候选框、所述候选框的中心坐标和面积；/n内...
【技术特征摘要】
1.一种图像内容复杂度的判别方法，其特征在于，包括：
通过将待测图像输入预设的图像内容复杂度的判别网络，得到所述图像内容复杂度的判别网络输出的分类结果；
若所述分类结果指示所述待测图像中的目标较小、数量多且密集分布，则将第一架构作为语义分割系统的语义分割架构；
若所述分类结果指示所述待测图像中的目标较大、数量少且稀疏分布，则将第二架构作为语义分割系统的语义分割架构；
其中，所述图像内容复杂度的判别网络包括：
特征捕获结构，用于对目标图像进行特征捕获，得到捕获结果，其中，所述目标图像为所述待测图像的特征图像，所述捕获结果包括候选框、所述候选框的中心坐标和面积；
内容提取结构，用于采用预设的逻辑回归算法，对所述候选框进行分类，以及对目标候选框的所述中心坐标进行修正，得到提取项，其中，所述候选框的类型包括第一类和第二类，所述目标候选框为所述第一类的所述候选框；
内容分类结构，用于依据所述目标候选框的所述面积和修正后的所述中心坐标，对所述提取项进行分类，得到所述分类结果。
2.根据权利要求1所述的方法，其特征在于，所述图像内容复杂度的判别网络还包括：
特证识别结构，用于对所述待测图像进行特征识别，得到特征图像；
上采样结构，用于对所述特征图像进行上采样，得到所述目标图像。
3.根据权利要求2所述的方法，其特征在于，所述特证识别结构包括残差网络。
4.根据权利要求3所述的方法，其特征在于，所述残差网络包括：
萎缩性空间金字塔池化模块、多个空洞卷积层、以及全局平均池化层。
5.根据权利要求4所述的方法，其特征在于，所述图像内容复杂度的判别网络还包括：
降维结构，用于在对所述特征图像进行上采样之前，对所述特征图像进行降维。
6.根据权利要求1-5任意一项所述的方法，其特征在于，所述特征捕获结构包括卷积层。
7.根据权利要求1-5任意一项...
【专利技术属性】
技术研发人员：龚立晨，陈曙东，
申请(专利权)人：中国科学院微电子研究所，
类型：发明
国别省市：北京;11
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。