图像处理方法、存储介质以及电子设备技术

本发明专利技术公开了一种图像处理方法、存储介质以及电子设备。其中，该方法包括：获取目标图像，其中，目标图像包含目标对象；对目标图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合；对至少一个第二特征图进行检测，得到目标对象的检测结果。本发明专利技术解决了相关技术中对图像进行检测的精确度较低的技术问题。中对图像进行检测的精确度较低的技术问题。中对图像进行检测的精确度较低的技术问题。

【技术实现步骤摘要】
图像处理方法、存储介质以及电子设备


[0001]本专利技术涉及图像处理领域，具体而言，涉及一种图像处理方法、存储介质以及电子设备。

技术介绍

[0002]目前，在计算机视觉任务中，一般采用深度学习技术对图像中的对象进行检测，深度学习技术的复杂度较高，导致检测的效率较低，对于复杂度较低的检测方式，其检测的精确度较差。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种图像处理方法、存储介质以及电子设备，以至少解决相关技术中对图像进行检测的精确度较低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种图像处理方法，包括：获取目标图像，其中，目标图像包含目标对象；对目标图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合；对至少一个第二特征图进行检测，得到目标对象的检测结果。
[0006]根据本申请实施例的一个方面，提供了一种图像处理方法，包括：获取目标遥感图像，其中，目标遥感图像包含目标对象；对目标遥感图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合；对至少一个第二特征图进行检测，得到目标对象的检测结果。
[0007]根据本申请实施例的一个方面，提供了一种图像处理方法，包括：获取农业遥感图像，其中，农业遥感图像包含农作物；对农业遥感图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合；对至少一个第二特征图进行检测，得到农作物的检测结果。
[0008]根据本申请实施例的一个方面，提供了一种图像处理方法，包括：获取建筑物遥感图像，其中，建筑物遥感图像包含目标建筑物；对建筑物遥感图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合；对至少一个第二特征图进行检测，得到目标建筑物的检测结果。
[0009]根据本申请实施例的一个方面，提供了一种图像处理方法，包括：云服务器获取目标图像，其中，目标图像包含目标对象；云服务器对目标图像进行多尺度特征提取，得到多个第一特征图；云服务器利用多分支网络结构对多个第一特征图进行特征融合，得到至少
一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合；云服务器对至少一个第二特征图进行检测，得到目标对象的检测结果。
[0010]在本申请实施例中，首先获取目标图像，其中，目标图像包含目标对象；对目标图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于表示通过多个分支对多个第一特征图进行特征融合，得到至少一个第二特征图，其中，多分支网络结构用于通过多个分支对多个第一特征图进行特征融合，对至少一个第二特征图进行检测，得到目标对象的检测结果，实现了提高目标对象检测结果的准确度。容易注意到的是，可以通过多个分支对第一特征图进行特征融合，从而提高得到的至少一个第二特征图的精确度，并且多个分支还可以减少融合过程中的参数量，从而可以提高融合的效率，进而解决了相关技术中对图像进行检测的精确度较低的技术问题。
附图说明
[0011]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0012]图1是根据本申请实施例的一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图；
[0013]图2是根据本申请实施例1的图像处理方法的流程图；
[0014]图3是根据本申请实施例的一种长颈鹿目标检测器的示意图；
[0015]图4是根据本申请实施例的一种检测器的示意图；
[0016]图5是根据本申请实施例的一种多分支网络结构的示意图；
[0017]图6是根据本申请实施例的一种通过目标检测模型进行检测的示意图；
[0018]图7是根据本申请实施例的一种目标检测模型训练的示意图；
[0019]图8是根据本申请实施例2的一种图像处理方法的流程图；
[0020]图9是根据本申请实施例3的一种图像处理方法的流程图；
[0021]图10是根据本申请实施例4的一种图像处理方法的流程图；
[0022]图11是根据本申请实施例5的一种图像处理方法的流程图；
[0023]图12是根据本申请实施例6的一种图像处理装置的示意图；
[0024]图13是根据本申请实施例7的一种图像处理装置的示意图；
[0025]图14是根据本申请实施例8的一种图像处理装置的示意图；
[0026]图15是根据本申请实施例9的一种图像处理装置的示意图；
[0027]图16是根据本申请实施例的一种计算机终端的结构框图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
[0031]GFPN：Generalized
‑
Feature Pyramid Networks，广义特征金字塔网络结构，作用在检测特征融合部分，用来做不同尺度下的特征融合。
[0032]GFocalV2：Generalized Focal Loss V2，一种特殊的网络结构，用于目标检测中目标与预测值的匹配，用于进行特征检测。
[0033]YOLOv1 YOLOv2 YOLOv3 YOL本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取目标图像，其中，所述目标图像包含目标对象；对所述目标图像进行多尺度特征提取，得到多个第一特征图；利用多分支网络结构对所述多个第一特征图进行特征融合，得到至少一个第二特征图，其中，所述多分支网络结构用于通过多个分支对所述多个第一特征图进行特征融合；对所述至少一个第二特征图进行检测，得到所述目标对象的检测结果。2.根据权利要求1所述的方法，其特征在于，所述多分支网络结构包括：第一分支、第二分支，其中，所述第一分支的输出与所述第二分支的输出连接。3.根据权利要求2所述的方法，其特征在于，利用多分支网络结构对所述多个第一特征图进行特征融合，得到至少一个第二特征图，包括：对所述多个第一特征图进行通道合并，得到合并特征图；利用所述第一分支对所述合并特征图进行卷积处理，得到第一输出特征；利用所述第二分支对所述合并特征图进行卷积处理，得到第二输出特征；对所述第一输出特征和所述第二输出特征进行通道合并，得到所述至少一个第二特征图。4.根据权利要求3所述的方法，其特征在于，所述第一分支包括：至少一个卷积块，多个卷积块中每个卷积块包含有多个子卷积层，所述多个子卷积层的卷积核不同。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用目标检测模型对所述目标图像进行检测，得到所述目标对象的所述检测结果，其中，所述目标检测模型基于目标样本图像训练得到，所述目标样本图像通过样本检测框对多个样本图像进行数据增强得到。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：获取所述多个样本图像和所述多个样本图像对应的所述样本检测框，其中，所述样本检测框用于标注所述样本图像中的目标对象；确定所述多个样本图像中预设数量的样本检测框为目标检测框；对所述目标检测框对应的所述目标对象进行数据增强，得到目标样本图像；利用所述目标样本图像对初始检测模型进行训练，得到所述目标检测模型。7.根据权利要求6所述的方法，其特征在于，确定所述多个样本图像中预设数量的样本检测框为目标检测框，包括：对所述多个样本图像进行拼接，得到初始样本图像；对所述初始样本图像和预设样本图像进行混合，得到混合图像；确定所述混合图像中所述预设数量的所述样本检测框为所述目标检测框。8.根据权利要求3所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：孙修宇，姜奕祺，许贤哲，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：