用于识别图像中的对象的方法技术

根据本公开的一实施方案的一种用于识别图像中的对象的装置可以包括：预处理模块，其被配置为接收包括对象的图像，并通过对所接收到的图像进行图像增强处理来输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率；和对象识别模块，其被配置为通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层来识别所述图像中包括的所述对象。

【技术实现步骤摘要】
【国外来华专利技术】用于识别图像中的对象的方法
本公开内容涉及一种用于识别图像中的对象的装置和方法，并且更具体地讲涉及一种通过以下方式来识别图像中的对象的装置和方法：经由对图像进行图像增强处理而输出预处理图像，并将预处理图像输入到用于对象识别的人工神经网络。
技术介绍
近来，正在进行通过使用人工智能和大数据将技术移植到配备有照相机的装置上来检测或识别从照相机捕获的图像中的对象这样的研究。例如，基于人工智能的对象识别器可以被应用于诸如自动驾驶车辆、监视摄像机、无人机等配备有照相机的装置。当这样的基于人工智能的对象识别器以高于或等于预定水平的识别率来识别由照相机捕获的图像中的对象时，配备有这样的摄像机和对象识别器的装置可以基于所识别的对象来提供诸如自动驾驶之类的服务。在自动驾驶中，只有在任何条件下都能够高水平地理解和识别周围的驾驶环境时，才能保证驾驶的安全性。因此，为了实现与智能驾驶和自动驾驶相关联的所有功能，例如正面碰撞避免等，需要识别驾驶环境。对于用于自动驾驶的对象识别技术，不仅需要通过利用安装在车辆或无人机中的诸如照相机或雷达之类的传感器来了解周围环境以获取信息，而且还必须高精度地实时识别存在于各种快速变化的驾驶环境中的各种对象。近年来，已经开发了通过机器学习使用深度学习处理器的对象识别技术。高性能的通用深度学习处理器由于通过热量产生导致的稳定性降低而难以应用于常规的自动驾驶汽车，以及由于高功耗而难以应用于监视摄像机和无人机。因此，需要一种能够使功耗和发热最小化同时满足使用人工智能进行自动驾驶所需的性能的技术。
技术实现思路
技术问题根据本公开的实施方案的用于识别图像中的对象的装置和方法提供了一种用于通过以下方式以更高的精度来识别对象的装置和方法：接收图像，对所接收到的图像执行图像增强处理以提高对所接收到的图像中包括的对象的识别率，并通过用于对象识别的人工神经网络识别图像(该图像已经进行了图像增强处理)中包括的对象。解决问题的手段根据本公开内容的实施方案的一种用于识别图像中的对象的装置包括：预处理模块，其被配置为接收包括所述对象的图像，并通过对所接收到的图像进行图像增强处理来输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率；和对象识别模块，其被配置为通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层来识别所述图像中包括的所述对象，其中，所述预处理模块还被配置为通过将包括所述对象的所接收到的图像输入到用于预处理的人工神经网络中以输出所述预处理图像，以便在所述用于对象识别的人工神经网络中提高对所接收到的图像中包括的所述对象的识别率，其中，所述预处理模块包括训练模块，所述训练模块通过将多个参考图像输入到所述用于预处理的人工神经网络的输入层来训练所述用于预处理的人工神经网络，以通过所述用于对象识别的人工神经网络推断为了提高对象识别率而优化的多个预处理参考图像，其中，所述多个参考图像中的每一个均包括对象。根据一实施方案，所述对象识别模块还被配置为：通过将所述多个预处理参考图像输入到所述用于对象识别的人工神经网络的输入层来生成与在所述多个预处理参考图像中的每一个中包括的所述对象的识别结果相关联的反馈结果，并且，所述预处理模块还被配置为使用所述反馈结果训练所述用于预处理的人工神经网络。根据一实施方案，所述对象识别模块还被配置为生成与所述预处理图像中包括的所述对象的识别结果相关联的反馈结果，并且，所述预处理模块还被配置为使用与所述预处理图像中包括的所述对象的识别结果相关联的所述反馈结果来训练所述用于预处理的人工神经网络。根据一实施方案，所述用于对象识别的人工神经网络包括深度神经网络，所述深度神经网络包括多个层，并且，所述对象识别模块还被配置为通过所述用于对象识别的人工神经网络推断输入的所述预处理图像中包括的所述对象的类型和位置。根据本公开内容的一实施方案的一种用于识别图像中的对象的装置包括：预处理模块，其被配置为接收包括所述对象的图像，并通过对所接收到的图像执行降噪运算处理、去模糊运算处理、高动态范围运算处理、色调映射运算处理、除雾运算处理、亮度运算处理、对比度运算处理、自动白平衡运算处理、背光补偿运算处理或解压缩运算处理中的至少一种图像增强处理来输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率，和对象识别模块，其被配置为通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层来识别所述图像中包括的所述对象。根据一实施方案，所述预处理模块还被配置为通过调整表示所接收到的图像的图像参数来对所接收到的图像执行图像增强处理。根据一实施方案，所述图像参数包括表示所接收到的图像的多个图像子参数，并且，预处理模块被配置为对所述多个图像子参数中的每一个依次执行图像增强处理。根据本公开内容的一实施方案的一种用于识别图像中的对象的方法包括：接收包括所述对象的图像；通过由预处理模块对所接收到的图像执行图像增强处理而输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率；以及通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层来由对象识别模块识别所述图像中包括的所述对象，其中，通过所述预处理模块输出所述预处理图像包括：通过将包括所述对象的所接收到的图像输入到用于预处理的人工神经网络的输入层中来输出所述预处理图像，以便提高对所接收到的图像中包括的所述对象的识别率，其中，通过所述预处理模块输出所述预处理图像包括：通过将多个参考图像输入到所述用于预处理的人工神经网络的所述输入层来训练所述用于预处理的人工神经网络，以通过所述用于对象识别的人工神经网络推断为了提高对象识别率而优化的多个预处理参考图像，其中，所述多个参考图像中的每一个均包括对象。根据本公开内容的一实施方案的一种用于识别图像中的对象的方法，该方法包括：接收包括所述对象的图像；通过预处理模块，经由对所接收到的图像执行降噪运算处理、去模糊运算处理、高动态范围运算处理、色调映射运算处理、除雾运算处理、亮度运算处理、对比度运算处理、自动白平衡运算处理、背光补偿运算处理或解压缩运算处理中的至少一种图像增强处理来输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率；以及通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层，由对象识别模块来识别所述图像中包括的所述对象。本公开的效果根据本公开的各种实施方案，可以通过以下方式以高精度识别对象：对从外部设备接收的图像执行图像增强处理以提高对对象的识别率，这是由人工神经网络执行的，并且识别已通过用于对象识别的人工神经网络进行了图像增强处理的图像中包括的对象。本公开的效果不限于上述效果，并且本领域技术人员将根据权利要求的描述清楚地理解未提及的其他效果。附图说明将参考以下描述的附图描述本公开的实施方案，其中相似的附图标记指代相似的元件，但不限于此。图1是示出对应于光量的变化的识别率和后续图像结果的示例的图。图2是示出对应于清晰度的变化的识别率和后续图像结果的示例的图本文档来自技高网...

【技术保护点】
1.一种用于识别图像中的对象的装置，该装置包括：/n预处理模块，其被配置为接收包括所述对象的图像，并通过对所接收到的图像进行图像增强处理来输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率；和/n对象识别模块，其被配置为通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层来识别所述图像中包括的所述对象，/n其中，所述预处理模块还被配置为通过将包括所述对象的所接收到的图像输入到用于预处理的人工神经网络中以输出所述预处理图像，以便在所述用于对象识别的人工神经网络中提高对所接收到的图像中包括的所述对象的识别率，/n其中，所述预处理模块包括训练模块，所述训练模块通过将多个参考图像输入到所述用于预处理的人工神经网络的输入层来训练所述用于预处理的人工神经网络，以通过所述用于对象识别的人工神经网络推断为了提高对象识别率而优化的多个预处理参考图像，/n其中，所述多个参考图像中的每一个均包括对象。/n

【技术特征摘要】
【国外来华专利技术】20190604 KR 10-2019-00662401.一种用于识别图像中的对象的装置，该装置包括：
预处理模块，其被配置为接收包括所述对象的图像，并通过对所接收到的图像进行图像增强处理来输出预处理图像，以提高对所接收到的图像中包括的所述对象的识别率；和
对象识别模块，其被配置为通过将所述预处理图像输入到用于对象识别的人工神经网络的输入层来识别所述图像中包括的所述对象，
其中，所述预处理模块还被配置为通过将包括所述对象的所接收到的图像输入到用于预处理的人工神经网络中以输出所述预处理图像，以便在所述用于对象识别的人工神经网络中提高对所接收到的图像中包括的所述对象的识别率，
其中，所述预处理模块包括训练模块，所述训练模块通过将多个参考图像输入到所述用于预处理的人工神经网络的输入层来训练所述用于预处理的人工神经网络，以通过所述用于对象识别的人工神经网络推断为了提高对象识别率而优化的多个预处理参考图像，
其中，所述多个参考图像中的每一个均包括对象。


2.根据权利要求1所述的装置，其中，所述对象识别模块还被配置为：通过将所述多个预处理参考图像输入到所述用于对象识别的人工神经网络的输入层来生成与在所述多个预处理参考图像中的每一个中包括的所述对象的识别结果相关联的反馈结果，
其中，所述预处理模块还被配置为使用所述反馈结果训练所述用于预处理的人工神经网络。


3.根据权利要求1所述的装置，其中，所述对象识别模块还被配置为生成与所述预处理图像中包括的所述对象的识别结果相关联的反馈结果，
其中，所述预处理模块还被配置为使用与所述预处理图像中包括的所述对象的识别结果相关联的所述反馈结果来训练所述用于预处理的人工神经网络。


4.根据权利要求1所述的装置，其中，所述用于对象识别的人工神经网络包括深度神经网络，所述深度神经网络包括多个层，
其中，所述对象识别模块还被配置为通过所述用于对象识别的人工神经网络推断输入的所述预处理图像中包括的所述对象的类型和位置。


5.一种用于识别图像中的对象的装置，该装置包括：
预处理模块，其被配置为接收包括所述对象的图像，并通过对所接收到的图像执行降噪运算处理、去模糊运算处理、高动态范围运算处理、色调映射运...

【专利技术属性】
技术研发人员：金錄元，
申请(专利权)人：蒂普爱可斯有限公司，
类型：发明
国别省市：韩国;KR