箱式结构识别方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种箱式结构识别方法、装置、电子设备及计算机可读存储介质；方法包括：对包括箱式结构的待识别图像进行特征提取处理，得到箱式结构的初始特征；基于箱式结构的初始特征对待识别图像进行轮廓预测处理，得到待识别图像中对应箱式结构的第一轮廓线；基于箱式结构的初始特征对待识别图像进行箱体预测处理，得到待识别图像中对应箱式结构的箱体区域；对箱式结构的箱体区域进行边缘检测处理，得到箱式区域的第二轮廓线；对箱式结构的第一轮廓线以及箱式区域的第二轮廓线进行整合处理，将整合得到的轮廓线的坐标作为箱式结构在待识别图像中的位置信息。通过本申请，提高箱式结构识别的准确率。

【技术实现步骤摘要】
箱式结构识别方法、装置、电子设备及存储介质
本申请涉及人工智能技术，尤其涉及一种箱式结构识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
人工智能（ArtificialIntelligence，AI）是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。箱式结构识别系统是人工智能领域的重要应用之一，能够利用计算机对图像进行处理、分析和理解，以识别图像中各种不同模式的目标和对象。虽然，相关技术中的箱式结构识别系统能够识别图像中所包括的箱式结构。但是，相关技术中箱式结构的识别不够精确。
技术实现思路
本申请实施例提供一种箱式结构识别方法、装置、电子设备及计算机可读存储介质，能够结合两种箱式结构的轮廓线，提高箱式结构识别的准确率。本申请实施例的技术方案是这样实现的：本申请实施例提供一种箱式结构识别方法，包括：对包括箱式结构的待识别图像进行特征提取处理，得到所述箱式结构的初始特征；基于所述箱式结构的初始特征对所述待识别图像进行轮廓预测处理，得到所述待识别图像中对应所述箱式结构的第一轮廓线；基于所述箱式结构的初始特征对所述待识别图像进行箱体预测处理，得到所述待识别图像中对应所述箱式结构的箱体区域；对所述箱式结构的箱体区域进行边缘检测处理，得到所述箱式区域的第二轮廓线；对所述箱式结构的第一轮廓线以及所述箱式区域的第二轮廓线进行整合处理，将整合得到的轮廓线的坐标作为所述箱式结构在所述待识别图像中的位置信息。上述技术方案中，所述对所述箱式结构的箱体区域进行边缘检测处理之后，还包括：对所述箱式区域的第二轮廓线的像素进行矢量化，得到多条对应所述第二轮廓线的线段以及所述线段对应的端点；基于多条所述线段分别对应的端点，对多条所述线段进行拼接处理，得到矢量化的第二轮廓线。本申请实施例提供一种箱式结构识别装置，包括：提取模块，用于对包括箱式结构的待识别图像进行特征提取处理，得到所述箱式结构的初始特征；轮廓预测模块，用于基于所述箱式结构的初始特征对所述待识别图像进行轮廓预测处理，得到所述待识别图像中对应所述箱式结构的第一轮廓线；箱体预测模块，用于基于所述箱式结构的初始特征对所述待识别图像进行箱体预测处理，得到所述待识别图像中对应所述箱式结构的箱体区域；检测模块，用于对所述箱式结构的箱体区域进行边缘检测处理，得到所述箱式区域的第二轮廓线；后处理模块，用于对所述箱式结构的第一轮廓线以及所述箱式区域的第二轮廓线进行整合处理，将整合得到的轮廓线的坐标作为所述箱式结构在所述待识别图像中的位置信息。本申请实施例提供一种用于箱式结构识别的电子设备，所述电子设备包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的箱式结构识别方法。本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于被处理器执行时，实现本申请实施例提供的箱式结构识别方法。本申请实施例具有以下有益效果：通过结合箱式结构的第一轮廓线以及箱式区域的第二轮廓线，获取准确的箱式结构的轮廓线，从而定位箱式结构在待识别图像中的位置，提高箱式结构识别的准确性；另外，通过复用箱式结构的初始特征，同时进行轮廓预测以及箱体预测，提高箱式结构识别的效率。附图说明图1是本申请实施例提供的箱式结构识别系统的应用场景示意图；图2是本申请实施例提供的用于箱式结构识别的电子设备的结构示意图；图3A-3D是本申请实施例提供的箱式结构识别方法的流程示意图；图4是本申请实施例提供的高分辨率网络的结构示意图；图5是本申请实施例提供的高分辨率网络的结构示意图；图6A是本申请实施例提供的轮廓预测模型以及箱体预测模型的结构示意图；图6B是本申请实施例提供的轮廓预测模型以及箱体预测模型的结构示意图；图7A是本申请实施例提供的第一轮廓线的示意图；图7B是本申请实施例提供的第一轮廓线的示意图；图7C是本申请实施例提供的第一轮廓线的示意图；图8A-8F是本申请实施例提供的集装箱的示意图；图9A是本申请实施例提供的输入图像的示意图；图9B是本申请实施例提供的集装箱主体区域的分割结果的示意图；图10是本申请实施例提供的流程示意图；图11A是本申请实施例提供的输入图像的示意图；图11B是本申请实施例提供的外围轮廓线分割结果示意图；图11C是本申请实施例提供的集装箱主体区域分割结果示意图；图12是本申请实施例提供的带有目标边缘强化的注意力机制的多任务的网络框架示意图；图13A是本申请实施例提供的输入图像的示意图；图13B是本申请实施例提供的集装箱主体区域分割结果示意图；图14A是本申请实施例提出的输入图像的示意图；图14B是本申请实施例提出的目标边缘强化注意力机制带来的外围轮廓线分割结果的效果提升图；图14C是本申请实施例提出的目标边缘强化注意力机制带来的主体区域分割结果的效果提升图；图14D是本申请实施例提出的未融入目标边缘强化注意力机制带来的外围轮廓线分割结果的效果图；图14E是本申请实施例提出的未融入目标边缘强化注意力机制带来的主体区域分割结果的效果提升图；图15A是本申请实施例提出的输入图像的示意图；图15B是本申请实施例提出的主体区域检测结果的示意图；图15C是本申请实施例提出的外围轮廓线检测结果的示意图；图15D是本申请实施例提出的后处理的最终精细定位结果的示意图。具体实施方式为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。在以下的描述中，所涉及的术语“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。1）高分辨率网络：一种在计算机视觉的各领域广泛使用并取得较好效果的一类网络结构，如本文档来自技高网...

【技术保护点】
1.一种箱式结构识别方法，其特征在于，包括：/n对包括箱式结构的待识别图像进行特征提取处理，得到所述箱式结构的初始特征；/n基于所述箱式结构的初始特征对所述待识别图像进行轮廓预测处理，得到所述待识别图像中对应所述箱式结构的第一轮廓线；/n基于所述箱式结构的初始特征对所述待识别图像进行箱体预测处理，得到所述待识别图像中对应所述箱式结构的箱体区域；/n对所述箱式结构的箱体区域进行边缘检测处理，得到所述箱式区域的第二轮廓线；/n对所述箱式结构的第一轮廓线以及所述箱式区域的第二轮廓线进行整合处理，将整合得到的轮廓线的坐标作为所述箱式结构在所述待识别图像中的位置信息。/n

【技术特征摘要】
1.一种箱式结构识别方法，其特征在于，包括：
对包括箱式结构的待识别图像进行特征提取处理，得到所述箱式结构的初始特征；
基于所述箱式结构的初始特征对所述待识别图像进行轮廓预测处理，得到所述待识别图像中对应所述箱式结构的第一轮廓线；
基于所述箱式结构的初始特征对所述待识别图像进行箱体预测处理，得到所述待识别图像中对应所述箱式结构的箱体区域；
对所述箱式结构的箱体区域进行边缘检测处理，得到所述箱式区域的第二轮廓线；
对所述箱式结构的第一轮廓线以及所述箱式区域的第二轮廓线进行整合处理，将整合得到的轮廓线的坐标作为所述箱式结构在所述待识别图像中的位置信息。


2.根据权利要求1所述的方法，其特征在于，所述对包括箱式结构的待识别图像进行特征提取处理，得到所述箱式结构的初始特征，包括：
对包括箱式结构的待识别图像进行卷积处理，得到所述待识别图像的第一卷积编码特征；
对所述待识别图像进行下采样编码处理，得到所述待识别图像的第一下采样特征；
基于所述第一卷积编码特征以及所述第一下采样特征进行表征信息变换处理，得到变换的第一卷积编码特征以及变换的第一下采样特征；
对所述变换的第一卷积编码特征以及所述变换的第一下采样特征进行融合处理，将融合结果作为所述箱式结构的初始特征。


3.根据权利要求2所述的方法，其特征在于，所述基于所述第一卷积编码特征以及所述第一下采样特征进行表征信息变换处理，得到变换的第一卷积编码特征，包括：
对所述第一卷积编码特征进行卷积处理，得到第二卷积编码特征；
对所述第一下采样特征进行上采样解码处理，得到第一上采样特征；
对所述第二卷积编码特征以及所述第一上采样特征进行拼接处理，得到变换的第一卷积编码特征。


4.根据权利要求2所述的方法，其特征在于，所述基于所述第一卷积编码特征以及所述第一下采样特征进行表征信息变换处理，得到变换的第一下采样特征，包括：
对所述第一下采样特征进行卷积处理，得到第三卷积编码特征；
对所述第一卷积编码特征进行下采样编码处理，得到第二下采样特征；
对所述第三卷积编码特征以及所述第二下采样特征进行拼接处理，得到变换的第一下采样特征。


5.根据权利要求2所述的方法，其特征在于，所述对所述变换的第一卷积编码特征以及所述变换的第一下采样特征进行融合处理，将融合结果作为所述箱式结构的初始特征，包括：
对所述变换的第一下采样特征进行上采样解码处理，得到第二上采样特征；
对所述变换的第一卷积编码特征以及所述第二上采样特征进行拼接处理，得到所述箱式结构的初始特征。


6.根据权利要求2所述的方法，其特征在于，所述对所述变换的第一卷积编码特征以及所述变换的第一下采样特征进行融合处理，将融合结果作为所述箱式结构的初始特征，包括：
对所述变换的第一卷积编码特征进行下采样编码处理，得到第三下采样特征；
对所述第三下采样特征以及所述变换的第一下采样特征进行拼接处理，得到所述箱式结构的初始特征。


7.根据权利要求1所述的方法，其特征在于，所述基于所述箱式结构的初始特征对所述待识别图像进行轮廓预测处理，得到所述待识别图像中对应所述箱式结构的第一轮廓线，包括：
对所述箱式结构的初始特征进行特征变换处理，得到所述箱式结构的轮廓特征；
基于获取的所述箱式结构的箱体特征，对所述箱式结构的轮廓特征进行注意力处理，得到所述箱式结构的轮廓的注意力特征；
基于所述轮廓的注意力特征进行通道融合处理，得到所述箱式结构的轮廓的融合特征；
对所述轮廓的融合特征进行轮廓分割处理，得到所述箱式结构的第一轮廓线。


8.根据权利要求7所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：侯嘉悦，郭双双，龚星，李斌，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44