本申请公开了一种图像掩膜生成方法、装置、电子设备和存储介质。图像掩膜生成方法包括：接收待处理的图像数据；将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理，其中M为大于等于2的整数；获取M个处理阶段中的N个处理阶段输出的数据，其中N为大于等于2且小于等于M的整数；融合所述N个处理阶段输出的数据；将融合后的数据进行池化处理以获得图像掩膜。本发明专利技术的掩膜生成过程获取了多个高层次维度特征的特征图像数据，从各个特征维度中通过池化方式提取掩膜特征，从而能保证所生成的图像掩膜的完整性，不会发生掩膜残缺的情况。况。况。
【技术实现步骤摘要】
图像掩膜生成方法、装置、电子设备和存储介质
[0001]本申请涉及图像处理
，更具体而言，特别涉及图像掩膜生成方法、装置、电子设备和存储介质。
技术介绍
[0002]图像识别技术已经在商业领域具有广泛的应用。目前常用的图像识别方法或通过利用滑动窗口来选择和组装分数图的输出来生成分割的实例段，或者基于检测器直接预测没有建议的边界框，这些方法在很大程度上依赖于预定义的锚，并且超参数调整(例如锚比、锚步长)对于不同的数据集和框尺度至关重要，还有一些图像识别方法采用关键点检测思想获取对象的四个极值点并生成掩膜，或者用极坐标表示方法重新分割实例并预测目标的质心，然后基于质心和密集的轮廓点之间的距离预测识别框。此外，在获得识别框之后，传统的方法还包括消除类别级别冗余检测框的步骤以避免在同一个物品上出现多个识别框。此外，目前主流的图像识别算法通常会使用深度骨干网络进行图像数据的处理，常用的骨干网络为了准确率而使用了庞大的参数，导致模型推理速度低，并且严重限制了模型在低内存设备上的实现，还有些骨干网络专注于提高模型推理速度，但降低了准确率。
[0003]这些传统的方法，要么参数调整复杂，要么仅适用于生成识别框或生成掩膜，并且传统的方法中所使用的冗余框检测技术在一些特殊工业场景下使用时，例如，多个并列倾斜的物品或者有遮盖阻挡的物品，会造成严重的漏检。然而在工业场景中，例如使用机器人进行物品抓取这样的场景，漏检物品是不可容忍的，并且掩膜和识别框都是后续处理过程中的必要信息。现有的图像识别技术运用于工业场景时仍然需要克服许多的问题。
技术实现思路
[0004]鉴于上述问题，提出了本专利技术以便克服上述问题或者至少部分地解决上述问题。具体地，首先，本专利技术能够基于物品的关键点信息以及识别框参数并行地执行生成识别框的处理以及生成掩膜的处理，在工业场景中使用时，识别准确，不会生成冗余的识别框，并且同时生成识别框以及掩膜，实用性强；其次，本专利技术提出的骨干网络能够以两个处理过程的多个阶段对输入的图像数据进行多分辨率及多特征维度的处理，并且在第二处理过程中只进行升采样处理，从而保证了输出特征图像数据的高分辨率，本专利技术的骨干网络在保持准确率的同时，提高了推理速度；再次，本专利技术的骨干网络除了数据处理流程之外，还包括特征过渡处理以及残差处理，能够保证高层次特征下的平稳的特征过渡并能够避免深度网络的梯度损失，提高了骨干网络推理的准确率；再次，本专利技术的掩膜生成过程获取了多个高层次维度特征的特征图像数据，从各个特征维度中通过池化方式提取掩膜特征，从而能保证所生成的图像掩膜的完整性，不会发生掩膜残缺的情况；再次，本专利技术基于骨干网络提取的物品关键点信息以及识别框参数对多特征维度的图像数据进行池化，从而能够从完整的图像中识别属于所识别物品的掩膜特征从而准确地提取出所识别物品的掩膜；再次，本专利技术基于通用的图像识别方法，提出了特别适用于识别多个倾斜并列物品的图像识别方法，
能够提高多个物品识别的准确度，不会发生漏检。
[0005]本申请权利要求和说明书所披露的所有方案均具有上述一个或多个创新之处，相应地，能够解决上述一个或多个技术问题。具体地，本申请提供一种图像掩膜生成方法、装置、电子设备和存储介质。
[0006]本申请的实施方式的图像掩膜生成方法，包括：
[0007]接收待处理的图像数据；
[0008]将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理，其中M为大于等于2的整数；
[0009]获取M个处理阶段中的N个处理阶段输出的数据，其中N为大于等于2且小于等于M的整数；
[0010]融合所述N个处理阶段输出的数据；
[0011]将融合后的数据进行池化处理以获得图像掩膜。
[0012]在某些实施方式中，所述将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理具体为将待处理的图像数据输入骨干网络进行处理，所述骨干网络包括第一处理过程和第二处理过程，所述处理过程包括M个处理阶段。
[0013]在某些实施方式中，所述N个处理阶段为第二数据处理过程中的处理阶段。
[0014]在某些实施方式中，所述融合包括通道级的相加运算和/或通道级的叠加运算。
[0015]在某些实施方式中，所述进行池化处理以获得图像掩膜包括基于待识别物品的中心点信息以及识别框的参数计算图像掩膜。
[0016]在某些实施方式中，所述识别框参数包括识别框的宽度信息以及识别框的高度信息。
[0017]在某些实施方式中，所述中心点信息包括真实(Ground Truth)中心点。
[0018]在某些实施方式中，所述处理阶段包括一个或多个处理分支，所述将待处理的图像数据输入骨干网络进行处理还包括将所述多个处理分支输出的数据进行融合。
[0019]在某些实施方式中，所述多个处理分支输出的数据具有多分辨率和/或多特征维度。
[0020]本申请的实施方式的图像掩膜生成装置，包括：
[0021]图像数据接收模块，用于接收待处理的图像数据；
[0022]图像数据处理模块，用于将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理，其中M为大于等于2的整数；
[0023]数据获取模块，用于获取M个处理阶段中的N个处理阶段输出的数据，其中N为大于等于2且小于等于M的整数；
[0024]融合模块，用于融合所述N个处理阶段输出的数据；
[0025]掩膜生成模块，用于将融合后的数据进行池化处理以获得图像掩膜。
[0026]在某些实施方式中，所述图像数据处理模块具体用于将待处理的图像数据输入骨干网络进行处理，所述骨干网络包括第一处理过程和第二处理过程，所述处理过程包括M个处理阶段。
[0027]在某些实施方式中，所述N个处理阶段为第二数据处理过程中的处理阶段。
[0028]在某些实施方式中，所述融合包括通道级的相加运算和/或通道级的叠加运算。
[0029]在某些实施方式中，所述掩膜生成模块还用于基于待识别物品的中心点信息以及识别框参数计算图像掩膜。
[0030]在某些实施方式中，所述识别框参数包括识别框的宽度信息以及识别框的高度信息。
[0031]在某些实施方式中，所述中心点信息包括真实(Ground Truth)中心点。
[0032]在某些实施方式中，所述处理阶段包括一个或多个处理分支，所述将待处理的图像数据输入骨干网络进行处理还包括将所述多个处理分支输出的数据进行融合。
[0033]在某些实施方式中，所述多个处理分支输出的数据具有多分辨率和/或多特征维度。
[0034]本申请的实施方式的电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施方式的图像掩膜生成方法。
[0035]本申请的实施方式的计算机可读存储介质其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施方式的图像掩膜生成方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像掩膜生成方法，其特征在于，包括：接收待处理的图像数据；将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理，其中M为大于等于2的整数；获取M个处理阶段中的N个处理阶段输出的数据，其中N为大于等于2且小于等于M的整数；融合所述N个处理阶段输出的数据；将融合后的数据进行池化处理以获得图像掩膜。2.根据权利要求1所述的图像掩膜生成方法，其特征在于：所述将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理具体为将待处理的图像数据输入骨干网络进行处理，所述骨干网络包括第一处理过程和第二处理过程，所述处理过程包括M个处理阶段。3.根据权利要求2所述的图像掩膜生成方法，其特征在于：所述N个处理阶段为第二数据处理过程中的处理阶段。4.根据权利要求1所述的图像掩膜生成方法，其特征在于：所述融合包括通道级的相加运算和/或通道级的叠加运算。5.根据权利要求1
‑
4中任一项所述的图像掩膜生成方法，其特征在于：所述进行池化处理以获得图像掩膜包括基于待识别物品的中心点信息以及识别框的参数计算图像掩膜。6.根据权利要求5所述的图像掩膜生成方法，其特征在于：所述识别框参数包括识别框的宽度信息以及识别框的高度信息。7.根据权利要求5所述的图像掩膜生成方法，其特征在于：所述中心点包括真实中心点。8.根据权利要求2所述的图像掩膜生成方法，其特征在于：所述处理阶段包括一个或多个处理分支，所述将待处理的图像数据输入骨干网络进行处理还包括将所述多个处理分支输出的数据进行融合。9.根据权利要求8所述的图像掩膜生成方法，其特征在于：所述多个处理分支输出的数据具有多分辨率和/或多特征维度。10.一种图像掩膜生成装置，其特征在于，包括：图像数据接收模块，用于接收待处理的图像数据；图像数据处理模块，用于将待处理的图像数据输入包含M个处理阶段的数据处理过程进行处理，其中M为大于等于2的整数；数据获取模块，用...
【专利技术属性】
技术研发人员：崔致豪，王子芃，王正，耿嘉，丁有爽，邵天兰，
申请(专利权)人：梅卡曼德北京机器人科技有限公司，
类型：发明
国别省市：
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。