【技术实现步骤摘要】
对象统计方法、模型训练方法、装置、设备及存储介质
[0001]本公开涉及但不限于数据处理
，尤其涉及一种对象统计方法、模型训练方法、装置、设备及存储介质。
技术介绍
[0002]近年来，深度学习算法在各个领域都取得了巨大的进展，也应用于很多场景分析领域。在场景分析领域中，对于密集物体进行计数是非常重要的一项任务。目前有众多的基于深度学习全自动面向图像的计数方法，如对人群进行计数，对山羊计数，对机场行李进行计数等。这些方法使用深度学习模型使用图像信息，对特定物体进行快速的自动化计数，在监控领域的人数计数、自然保护应用中的动物计数、工厂工业制造中工件计数等场景取得广泛的应用。
技术实现思路
[0003]有鉴于此，本公开实施例至少提供一种对象统计方法、模型训练方法、装置、设备、存储介质及程序产品。
[0004]本公开实施例的技术方案是这样实现的：
[0005]一方面，本公开实施例提供一种对象统计方法，所述方法包括：获取待处理图像对应的图像特征图和待统计对象对应的至少一个示例特征向量；所述待处理...
【技术保护点】
【技术特征摘要】
1.一种对象统计方法，其特征在于，所述方法包括：获取待处理图像对应的图像特征图和待统计对象对应的至少一个示例特征向量；所述待处理图像包括多个所述待统计对象；对所述至少一个示例特征向量进行编码处理，得到第一特征序列；对所述第一特征序列和所述图像特征图进行解码处理，得到密度矩阵；基于所述密度矩阵，生成所述待处理图像中针对所述待统计对象的统计结果。2.根据权利要求1所述的方法，其特征在于，所述对所述第一特征序列和所述图像特征图进行解码处理，得到密度矩阵，包括：对所述图像特征图进行第一解码处理，得到第二特征序列；对所述第一特征序列和所述第二特征序列进行第二解码处理，得到所述密度矩阵。3.根据权利要求2所述的方法，其特征在于，所述第二解码处理包括迭代的多次子解码处理；所述对所述第一特征序列和所述第二特征序列进行第二解码处理，得到所述密度矩阵，包括：将所述第二特征序列作为所述多次子解码处理中的第一次子解码处理对应的输入特征；针对每一所述子解码处理，将所述第一特征序列和所述子解码处理对应的输入特征作为所述子解码处理的输入，得到所述子解码处理输出的第三特征序列，将所述子解码处理输出的第三特征序列作为下一次子解码处理对应的输入特征；其中，所述密度矩阵基于所述多次子解码处理中的最后一次子解码处理输出的第三特征序列确定。4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取待处理图像对应的图像特征图和待统计对象对应的至少一个示例特征向量，包括：获取所述待处理图像和所述待处理图像对应的至少一个检测框；所述检测框用于在所述待处理图像中确定所述待统计对象的区域；提取所述待处理图像对应的图像特征图；基于至少一个所述检测框和所述图像特征图，确定每一所述检测框对应的示例特征向量。5.根据权利要求4所述的方法，其特征在于，所述提取所述待处理图像对应的图像特征图，包括：对所述待处理图像进行多个尺度的特征提取处理，得到每一所述尺度对应的中间特征图；不同尺度的中间特征图的尺寸不同；融合每一所述尺度对应的中间特征图，得到所述图像特征图。6.根据权利要求4所述的方法，其特征在于，所述基于至少一个所述检测框和所述图像特征图，确定每一所述检测框对应的示例特征向量，包括：获取所述图像特征图和所述待处理图像之间的尺寸比例；基于所述尺寸比例对每一所述检测框进行尺度变换，得到至少一个特征截取框；基于所述至少一个特征截取框和所述图像特征图，确定每一所述检测框对应的示例特征图；基于每一所述检测框对应的示例特征图确定每一所述检测框对应的示例特征向量。
7.根据权利要求1至3任一项所述的方法，其特征在于，所述获取待处理图像对应的图像特征图和待统计对象对应的至少一个示例特征向量，包括：获取所述待处理图像和至少一个示例图像；所述示例图像包括所述待统计对象，且所述示例图像与所述待处理图像不同；提取所述待处理图像对应的图像特征图；提取每一所述示例图像对应的示例特征向量。...
【专利技术属性】
技术研发人员：陈李洋，尤志远，杨凯，崔磊，
申请(专利权)人：上海商汤科技开发有限公司，
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。