【技术实现步骤摘要】
联合感知模型训练、联合感知方法、装置、设备和介质
[0001]本公开是申请号为202210218587.8的专利技术专利申请的分案申请。
[0002]本公开涉及人工智能
,尤其涉及计算机视觉、图像识别和深度学习技术,具体涉及一种联合感知模型训练、联合感知方法、装置、设备和介质。
技术介绍
[0003]随着计算机科学的不断发展,人工智能技术应运而生。人工智能作为研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
[0004]基于人工智能技术对图像进行处理,为智慧交通、智慧安防和智慧城市等的构建,具备重要意义。
技术实现思路
[0005]本公开提供了一种联合感知模型训练、联合感知方法、装置、设备和介质。
[0006]根据本公开的一方面,提供了一种联合感知模型训练方法,包括:
[0007]获取样本图像和样本图像的感知标签;
[0008]获取预设的联合感知模型;联合感知模型包括特征提取网络和联合感知网络;
[0009]通过特征提取网络对样本图像进行特征提取,得到目标样本特征;
[0010]通过联合感知网络根据目标样本特征进行联合感知,得到感知预测结果;
[0011]根据感知预测结果和感知标签,对预设的联合感知模型进行训练;其中,联合感知包括执行至少两种感知任务。
[0012]根据本公开的另一方面,还提供了一种联合感知方法,包括:
[0013]获取预测图像;
[0014]将预测图像输 ...
【技术保护点】
【技术特征摘要】
1.一种联合感知模型训练方法,包括:获取样本图像和所述样本图像的感知标签;获取预设的联合感知模型;所述联合感知模型包括特征提取网络和联合感知网络;通过所述特征提取网络对所述样本图像进行特征提取,得到目标样本特征;通过所述联合感知网络根据所述目标样本特征进行联合感知,得到感知预测结果;根据所述感知预测结果和所述感知标签,对预设的联合感知模型进行训练;其中,所述联合感知包括执行至少两种感知任务;其中,所述联合感知网络包括检测头模块;所述检测头模块包括第二多路模块和至少两个任务感知分支;所述通过所述联合感知网络根据所述目标样本特征进行联合感知,得到感知预测结果,包括:通过所述第二多路模块对所述目标样本特征进行相同类别目标在不同感知任务下的特征提取,得到感知样本特征;通过各任务感知分支分别根据所述感知样本特征,确定相应感知任务下的感知预测结果。2.根据权利要求1所述的方法,其中,所述特征提取网络包括基座模块和至少两个第一多路模块;所述通过所述特征提取网络对所述样本图像进行特征提取,得到目标样本特征,包括:通过所述基座模块对所述样本图像进行降采样,得到不同尺度的初始样本特征;通过所述第一多路模块对所述初始样本特征进行不同感知任务的特征提取,得到所述初始样本特征相应尺度下的目标样本特征。3.根据权利要求2所述的方法,其中,所述第一多路模块包括第一拆分子网络、第一特征提取子网络和第一融合子网络;通过所述第一多路模块对所述初始样本特征进行不同感知任务的特征提取,得到所述初始样本特征相应尺度下的目标样本特征,包括:通过所述第一拆分子网络按照通道维度对所述初始样本特征进行拆分,得到第一待融合样本特征和第一待处理样本特征;通过所述第一特征提取子网络对所述第一待处理样本特征进行特征提取,得到第一目标中间样本特征;通过所述第一融合子网络将所述第一待融合样本特征和所述第一目标中间样本特征进行特征融合,得到所述初始样本特征相应尺度下的目标样本特征。4.根据权利要求3所述的方法,其中,所述第一特征提取子网络包括第一全局感知模块、第一局部感知模块和第一感知融合模块;所述通过所述第一特征提取子网络对所述第一待处理样本特征进行特征提取,得到第一目标中间样本特征,包括:通过所述第一全局感知模块对所述第一待处理样本特征进行全局特征提取,得到第一全局中间样本特征;通过所述第一局部感知模块对所述第一待处理样本特征进行局部特征提取,得到第一局部中间样本特征;
通过所述第一感知融合模块对所述第一全局中间样本特征和所述第一局部中间样本特征进行特征融合,得到所述第一目标中间样本特征。5.根据权利要求4所述的方法,其中,所述第一局部感知模块包括至少两个第一局部感知分支;所述通过所述第一局部感知模块对所述第一待处理样本特征进行局部特征提取,得到第一局部中间样本特征,包括:通过不同第一局部感知分支对所述第一待处理样本特征在不同感受野下进行局部特征提取,得到相应感受野下的第一局部中间样本特征。6.根据权利要求5所述的方法,其中,所述第一局部感知模块还包括第一旁路分支;所述通过所述第一局部感知模块对所述第一待处理样本特征进行局部特征提取,得到第一局部中间样本特征,还包括:若所述第一旁路分支为直连结构,则直接将所述第一待处理样本特征作为相应的第一局部中间样本特征;或者,若所述第一旁路分支中包括第一批处理模块,则通过所述第一批处理模块对所述第一待处理样本特征进行归一化处理,得到相应的第一局部中间样本特征。7.根据权利要求1所述的方法,其中,所述第二多路模块包括第二拆分子网络、第二特征提取子网络和第二融合子网络;所述通过所述第二多路模块对所述目标样本特征进行相同类别目标在不同感知任务下的特征提取,得到感知样本特征,包括:通过所述第二拆分子网络按照通道维度对所述目标样本特征进行拆分,得到第二待融合样本特征和第二待处理样本特征;通过所述第二特征提取子网络对所述第二待处理样本特征进行特征提取,得到第二目标中间样本特征;通过所述第二融合子网络将所述第二待融合样本特征和所述第二目标中间样本特征进行特征融合,得到所述感知样本特征。8.根据权利要求7所述的方法,其中,所述第二特征提取子网络包括第二全局感知模块、第二局部感知模块和第二感知融合模块;所述通过所述第二特征提取子网络对所述第二待处理样本特征进行特征提取,得到第二目标中间样本特征,包括:通过所述第二全局感知模块对所述第二待处理样本特征进行全局特征提取,得到第二全局中间样本特征;通过所述第二局部感知模块对所述第二待处理样本特征进行局部特征提取,得到第二局部中间样本特征;通过所述第二感知融合模块对所述第二全局中间样本特征和所述第二局部中间样本特征进行特征融合,得到所述第二目标中间样本特征。9.根据权利要求8所述的方法,其中,所述第二局部感知模块包括至少两个第二局部感知分支;所述通过所述第二局部感知模块对所述第二待处理样本特征进行局部特征提取,得到第二局部中间样本特征,包括:
通过不同第二局部感知分支对所述第二待处理样本特征在不同感受野下进行局部特征提取,得到相应感受野下的第二局部中间样本特征。10.根据权利要求9所述的方法,其中,所述第二局部感知模块还包括第二旁路分支;所述通过所述第二局部感知模块对所述第二待处理样本特征进行局部特征提取,得到第二局部中间样本特征,还包括:若所述第二旁路分支为直连结构,则直接将所述第二待处理样本特征作为相应的第二局部中间样本特征;或者,若所述第二旁路分支中包括第二批处理模块,则通过所述第二批处理模块对所述第二待处理样本特征进行归一化处理,得到相应的第二局部中间样本特征。11.根据权利要求1所述的方法,其中,所述检测头模块的数量为至少两个;不同检测头模块对不同类别目标进行联合感知。12.一种联合感知方法,包括:获取预测图像;将所述预测图像输入至目标联合感知模型,得到感知预测结果;其中,所述目标联合感知模型基于权利要求1
‑
11任一项所述的联合感知模型训练方法训练所得的初始联合感知模型得到。13.根据权利要求12所述的方法,其中,所述目标联合感知模型基于对所述初始联合感知模型的网络参数进行整形量化处理得到。14.根据权利要求12或13所述的方法,其中,所述初始联合感知模型包括第一多路模块,所述第一多路模块包括至少两个第一局部感知分支;所述目标联合感知模型基于对至少两个所述第一局部感知分支进行重参数化得到;和/或,所述初始联合感知模型包括第二多路模块,所述第二多路模块包括至少两个第二局部感知分支;所述目标联合感知模型基于对至少两个所述第二局部感知分支进行重参数化得到。15.一种联合感知模型训练装置,包括:样本数据获取模块,用于获取样本图像和所述样本图...
【专利技术属性】
技术研发人员:王健,苏翔博,吴其蔓,王之港,孙昊,丁二锐,王井东,吴甜,王海峰,
申请(专利权)人:北京百度网讯科技有限公司,
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。