基于人工智能的线段识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了基于人工智能的线段识别方法，应用于人工智能技术领域，用于解决图像中线段识别的效果不准确的技术问题。本发明专利技术提供的方法包括：通过特征提取网络的不同层对待识别图像进行输出分别得到第一图像特征、第一位置特征、第二图像特征和第二位置特征，将第一图像特征、第一位置特征、第二图像特征和第二位置特征分别进行加和得到粗糙特征和深度特征；对粗糙特征进行粗编码得到第一中间特征；通过起始线段向量和粗解码模块对第一中间特征进行解码得到中间线段向量；通过细编码模块对深度特征进行细编码得到第二中间特征；通过中间线段向量和细解码模块对第二中间特征进行解码，根据得到的目标线段向量得到该图像中包含的线段的位置及端点。包含的线段的位置及端点。包含的线段的位置及端点。

【技术实现步骤摘要】
基于人工智能的线段识别方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于人工智能的线段识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着深度神经网络变得越来越强大，在实际生活中，它的应用也越来越广泛，例如视频监控、人脸识别、语音识别、自然语言处理等领域。在很多领域，机器的识别能力已经远超过人类，各大公司都在深度学习领域投入了大量的人力、物力，以达到更好的识别效果。
[0003]从图像中识别出线段是计算机视觉领域一个非常重要的基本过程，线段信息可以对解决其他下游的计算机视觉任务有重要帮助，例如图像分割、三维重建、图像匹配、物体识别等等。
[0004]现在已有一些智能识别方法能够对图像中的线段进行识别，现有的基于深度学习的线段识别方法大多使用了启发性模块，例如边缘检测、区域检测、线组合或者后处理操作，这就大大限制了算法的性能和进一步开发，使得线段识别效果并不十分准确。

技术实现思路

[0005]本专利技术实施例提供一种基于人工智能的线段识别方法、装置、计算机设备及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的线段识别方法，其特征在于，所述方法包括：获取待识别的图像，将所述待识别的图像输入至训练好的线段识别模型的特征提取网络；通过所述特征提取网络的第N层对所述待识别的图像进行输出，得到第一图像特征和第一位置特征；将所述第一图像特征和第一位置特征进行加和处理，得到粗糙特征；通过训练好的线段识别模型的粗编码模块对所述粗糙特征进行粗编码，得到第一中间特征；通过起始线段向量和训练好的线段识别模型的粗解码模块对所述第一中间特征进行解码，得到中间线段向量；通过所述特征提取网络的第M层对所述待识别的图像进行输出，得到第二图像特征和第二位置特征，所述第M层的网络层级低于所述第N层的网络层级；将所述第二图像特征和所述第二位置特征进行加和处理，得到深度特征；通过训练好的线段识别模型的细编码模块对所述深度特征进行细编码，得到第二中间特征；通过所述中间线段向量和训练好的线段识别模型的细解码模块对所述第二中间特征进行解码，得到目标线段向量；将所述目标线段向量输入至所述训练好的线段识别模型的全连接层，得到所述待识别的图像中包含的线段的位置以及端点。2.根据权利要求1所述的基于人工智能的线段识别方法，其特征在于，所述将所述第一图像特征和第一位置特征进行加和处理，得到粗糙特征的步骤进一步包括：获取所述第一图像特征所在维度空间中各图像特征数值的第一坐标位置；获取所述第一位置特征所在维度空间中各位置特征数值的第一坐标位置，所述第一图像特征的图像特征数值的第一坐标位置与所述第一图像特征的位置特征数值的第一坐标位置具有一一对应的关系；依次将属于所述维度空间中同一第一坐标位置的所述图像特征数值和所述位置特征数值相加，得到所述粗糙特征。3.根据权利要求1所述的基于人工智能的线段识别方法，其特征在于，所述粗解码模块包括若干个结构相同的粗解码层，各所述粗解码层依次顺序连接，所述通过起始线段向量和训练好的线段识别模型的粗解码模块对所述第一中间特征进行解码，得到中间线段向量的步骤进一步包括：将所述起始线段向量输入至所述粗解码模块的第一粗解码层，通过所述第一粗解码层对所述起始线段向量进行自注意力机制处理，得到第一自注意力向量；通过所述第一粗解码层对所述第一自注意力向量和所述第一中间特征进行交叉注意力机制处理，得到第一交叉注意力向量；通过所述第一粗解码层对所述第一交叉注意力向量进行前向传播，将所述第一交叉注意力向量发送至与所述第一粗解码层顺序连接的在后粗解码层；将所述在后粗解码层作为当前粗解码层，通过所述当前粗解码层对所述第一交叉注意力向量进行自注意力机制处理，得到当前自注意力向量；
通过所述当前粗解码层对所述当前自注意力向量和所述第一中间特征进行交叉注意力机制处理，得到当前交叉注意力向量；当所述当前粗解码层为所述粗解码模块的最后一层时，将所述当前交叉注意力向量作为所述中间线段向量，否则，通过所述当前粗解码层对所述当前交叉注意力向量进行前向传播，将所述当前交叉注意力向量发送至与所述当前粗解码层顺序连接的在后粗解码层，循环所述将所述在后粗解码层作为所述当前粗解码层至本步骤，直到所述当前粗解码层为所述粗解码模块的最后一层。4.根据权利要求1所述的基于人工智能的线段识别方法，其特征在于，所述细解码模块中包括的细解码层的层数与所述细编码模块中的细编码层的层数相同，各所述细解码层依次顺序连接，所述通过所述中间线段向量和训练好的线段识别模型的细解码模块对所述第二中间特征进行解码，得到目标线段向量的步骤进一步包括：将所述中间线段向量输入至所述细解码模块的第一细解码层，通过所述第一细解码层对所述中间线段向量进行自注意力机制处理，得到第二自注意力向量；通过所述第一细解码层对所述第二自注意力向量和所述第二中间特征进行交叉注意力机制处理，得到第二交叉注意力向量；通过所述第一细解码层对所述第二交叉注意力向量进行前向传播，将所述第二交叉注意力向量发送至与所述第一细解码层顺序连接的在后细解码层；将所述在后细解码层作为当前细解码层，通过所述当前细解码层对所述第二交叉注意力向量进行自注意力机制处理，得到当前自注意力细解码向量；通过所述当前细解码层对所述当前自注意力细解码向量和所述第二中间特征进行交叉注意力机制处理，得到当前交叉...

【专利技术属性】
技术研发人员：刘吉刚，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：