【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 ...
【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
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。