图像数据的处理方法、装置、路侧设备和云控平台制造方法及图纸

本公开提供了图像数据的处理方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及智能交通、计算机视觉和深度学习技术领域。具体实现方案为：获取待处理图像数据，获取训练好的图像网络模型，以及将待处理图像数据输入至训练好的图像网络模型中，得到待处理图像数据对应的预测结果数据，其中，训练好的图像网络模型用于：对待处理图像数据分别进行局部特征提取和全局特征提取，得到局部特征数据和全局特征数据，根据局部特征数据和全局特征数据生成拼接特征数据，根据拼接特征数据和待处理图像数据生成预测结果数据。通过增加全局特征信息的提取，实现了特征空间信息的交互，增强了图像网络模型的性能，具有较好的图像处理效果。

【技术实现步骤摘要】
图像数据的处理方法、装置、路侧设备和云控平台
本公开涉及人工智能
中的智能交通、计算机视觉和深度学习
，尤其涉及一种图像数据的处理方法、装置、路侧设备和云控平台。
技术介绍
目前，随着计算设备的更新和大规模共有数据集的公开，视觉基础模型已经得到了很好的研究，广泛应用于图像分类、目标检测和图像分割等视觉任务中，为医疗、工业生产、日常生活等各个领域带来了便利。相关技术中，为降低参数量和计算量，方便嵌入到移动终端或其他小型的终端设备中，通常采用轻量模型进行视觉任务。但这些轻量模型都是基于卷积神经网络设计的，具有局部感受野，使得网络模型的性能较差，图像数据的处理效果不理想。
技术实现思路
提供了一种图像数据的处理方法、装置、路侧设备和云控平台。根据第一方面，提供了一种图像数据的处理方法，包括：获取待处理图像数据；获取训练好的图像网络模型；以及将所述待处理图像数据输入至所述训练好的图像网络模型中，得到所述待处理图像数据对应的预测结果数据，其中，所述训练好的图像网络模型用于：对所述待处理图像数据进行局部特征提本文档来自技高网...

【技术保护点】
1.一种图像数据的处理方法，包括：/n获取待处理图像数据；/n获取训练好的图像网络模型；以及/n将所述待处理图像数据输入至所述训练好的图像网络模型中，得到所述待处理图像数据对应的预测结果数据，其中，所述训练好的图像网络模型用于：对所述待处理图像数据进行局部特征提取，得到局部特征数据，对所述待处理图像数据进行全局特征提取，得到全局特征数据，根据所述局部特征数据和所述全局特征数据生成拼接特征数据，根据所述拼接特征数据和所述待处理图像数据生成所述预测结果数据。/n

【技术特征摘要】
1.一种图像数据的处理方法，包括：
获取待处理图像数据；
获取训练好的图像网络模型；以及
将所述待处理图像数据输入至所述训练好的图像网络模型中，得到所述待处理图像数据对应的预测结果数据，其中，所述训练好的图像网络模型用于：对所述待处理图像数据进行局部特征提取，得到局部特征数据，对所述待处理图像数据进行全局特征提取，得到全局特征数据，根据所述局部特征数据和所述全局特征数据生成拼接特征数据，根据所述拼接特征数据和所述待处理图像数据生成所述预测结果数据。


2.根据权利要求1所述的处理方法，其中，所述对所述待处理图像数据进行全局特征提取，得到全局特征数据，包括：
对所述待处理图像数据进行长度降维处理，得到第一全局特征数据；
对所述待处理图像数据进行宽度降维处理，得到第二全局特征数据；以及
根据所述第一全局特征数据和所述第二全局特征数据生成所述全局特征数据。


3.根据权利要求2所述的处理方法，其中，所述对所述待处理图像数据进行长度降维处理，包括：
将所述待处理图像数据在长度上的特征的最大值和/或平均值，确定为所述待处理图像数据在长度上的特征；和/或，
所述对所述待处理图像数据进行宽度降维处理，包括：
将所述待处理图像数据在宽度上的特征的最大值和/或平均值，确定为所述待处理图像数据在长度上的特征。


4.根据权利要求2所述的处理方法，其中，所述根据所述第一全局特征数据和所述第二全局特征数据生成所述全局特征数据，包括：
对所述第一全局特征数据和所述第二全局特征数据进行点积运算，得到所述全局特征数据。


5.根据权利要求1所述的处理方法，其中，所述对所述待处理图像数据进行局部特征提取，得到局部特征数据，对所述待处理图像数据进行全局特征提取，得到全局特征数据之前，还包括：
对所述待处理图像数据进行通道扩张处理；
所述根据所述拼接特征数据和所述待处理图像数据生成所述预测结果数据之前，还包括：
对所述拼接特征数据进行通道压缩处理。


6.根据权利要求1所述的处理方法，还包括：
获取训练图像数据和对应的实际训练预测结果数据；
根据所述训练图像数据和所述实际训练预测结果数据对待训练的图像网络模型进行训练，得到候选图像网络模型；以及
根据候选图像网络模型生成所述训练好的图像网络模型。


7.根据权利要求6所述的处理方法，其中，所述候选图像网络模型为多个，所述根据候选图像网络模型生成所述训练好的图像网络模型，包括：
获取测试图像数据和对应的实际测试预测结果数据；
根据所述测试图像数据和所述实际测试预测结果数据对所述候选图像网络模型进行测试；
根据多个所述候选图像网络模型的测试效果，在所述多个所述候选图像网络模型中确定所述训练好的图像网络模型。


8.一种图像数据的处理装置，包括：
第一获取模块，用于获取待处理图像数据；
第二获取模块，用于获取训练好的图像网络模型；以及
处理模块，用于将所述待处理图像数据输入至所述训练好的图像网络模型中，得到所述待处理图像数据对应的预测结果数据，其中，所述训练好的图像网络模型用于：对所述待处理图像数据进行局部特征提取，得到局部特征数据，对所述待处理图像数据进行全局特征提取，得到全局特征数据，...

【专利技术属性】
技术研发人员：夏春龙，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：北京;11