【技术实现步骤摘要】
一种骨骼类型预测方法和装置
[0001]本公开涉及计算机视觉
,具体涉及一种骨骼类型预测方法和装置。
技术介绍
[0002]当需要预测一张图像中物体的骨骼类型时,传统方法需要先定位出图像中物体的所在,对定位到的物体进行骨骼的提取,将提取到的骨骼输入分类器进行分类,从而得到当前图像中物体的骨骼类型。
[0003]但上述传统方法中存在误差累积的问题,若物体的定位不准,则提取的骨骼会存在一定的偏差,将具有偏差的骨骼输入分类器后得到的分类结果很可能会产生更大的偏差,从而导致骨骼类型预测不准。
技术实现思路
[0004]有鉴于此,本公开实施例提供至少一种骨骼类型预测方法和装置。
[0005]具体地,本公开实施例是通过如下技术方案实现的:
[0006]第一方面,提供一种骨骼类型预测方法,所述方法包括:
[0007]通过分类识别网络,对待预测的目标图像进行特征提取,得到所述目标图像的图像特征;并根据所述图像特征,由所述分类识别网络输出所述目标图像中包括的目标对象的对象类型;
[0008]基于所述目标对象的对象类型,得到所述目标图像中包括的骨骼类型。
[0009]第二方面,提供一种骨骼类型预测装置,所述装置包括:
[0010]网络预测模块,用于通过分类识别网络,对待预测的目标图像进行特征提取,得到所述目标图像的图像特征;并根据所述图像特征,由所述分类识别网络输出所述目标图像中包括的目标对象的对象类型;
[0011]类型确定模块,用于基于所述目标对象 ...
【技术保护点】
【技术特征摘要】
1.一种骨骼类型预测方法,其特征在于,所述方法包括:通过分类识别网络,对待预测的目标图像进行特征提取,得到所述目标图像的图像特征;并根据所述图像特征,由所述分类识别网络输出所述目标图像中包括的目标对象的对象类型;基于所述目标对象的对象类型,得到所述目标图像中包括的骨骼类型。2.根据权利要求1所述的方法,其特征在于,所述对象类型,为所述目标对象的骨骼类型。3.根据权利要求1所述的方法,其特征在于,所述对象类型,为所述目标对象的物体类型;所述根据所述图像特征,由所述分类识别网络输出所述目标图像中包括的目标对象的对象类型,包括:根据所述图像特征进行分类,得到所述分类识别网络输出的所述目标图像中包括的目标对象的物体类型;所述基于所述目标对象的对象类型,得到所述目标图像中包括的骨骼类型,包括:根据所述目标对象的物体类型以及预先建立的物体类型和骨骼类型的映射关系,确定所述目标图像中包括目标对象的骨骼类型。4.根据权利要求1
‑
3任一项所述的方法,其特征在于,所述分类识别网络的训练过程,包括:通过分类识别网络,对样本图像进行特征提取,得到所述样本图像的图像特征;并根据所述样本图像的图像特征,由所述分类识别网络输出所述样本图像中包括的目标对象的对象类型;根据输出的所述样本图像中目标对象的对象类型和所述样本图像中标注的真实对象类型之间的差别,确定网络损失;根据所述网络损失调整所述分类识别网络的网络参数。5.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:通过所述分类识别网络,对所述目标图像进行因子特征的提取处理,得到所述目标图像中包括的目标对象的因子特征;所述根据所述图像特征,由所述分类识别网络输出所述目标图像中包括的目标对象的对象类型,包括:根据所述图像特征和所述因子特征,得到所述分类识别网络输出的所述目标图像中包括的目标对象的对象类型。6.根据权利要求5所述的方法,其特征在于,所述分类识别网络中包括:特征提取子网络、骨骼提取子网络和/或分割掩码提取子网络、分类器;所述通过分类识别网络,对待预测的目标图像进行特征提取,得到所述目标图像的图像特征,包括:通过所述特征提取子网络,对待预测的目标图像进行特征提取,得到所述目标图像的图像特征;所述通过所述分类识别网络对所述目标图像进行因子特征的提取处理,得到所述目标图像中包括的目标对象的因子特征,包括:
通过所述骨骼提取子网络,对所述目标图像进行骨骼提取,得到所述目标对象的骨骼特征;和/或,通过所述分割掩码提取子网络,对所述目标图像进行图像分割,得到所述目标图像中包括的分割掩码特征;所述根据所述图像特征和所述因子特征,得到所述分类识别网络输出的所述目标图像中包括的目标对象的对象类型,包括:通过所述分类器,根据所述骨骼特征和所述分割掩码特征中的至少一个、以及所述图像特征进行分类,得到所述目标图像中...
【专利技术属性】
技术研发人员:黄健文,黄展鹏,
申请(专利权)人:深圳市商汤科技有限公司,
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。