一种位置信息确定方法、对象识别模型的训练方法及装置制造方法及图纸

本发明专利技术实施例提供了一种位置信息确定方法、对象识别模型的训练方法及装置，应用于图像处理领域，该位置信息确定方法包括：对目标图像进行特征预提取，得到目标图像的第一初始特征图；利用第一初始特征图，识别目标图像中待识别对象所处的区域，作为第一区域；从第一初始特征图中，提取第一区域所对应的第一区域特征图；将第一初始特征图与第一区域特征图进行特征融合，得到融合特征图；基于融合特征图确定所述目标图像中所述待识别对象的位置信息。通过本方案，可以提高确定对象在图像中的位置信息的准确性。位置信息的准确性。位置信息的准确性。

【技术实现步骤摘要】
一种位置信息确定方法、对象识别模型的训练方法及装置


[0001]本专利技术涉及图像处理
，特别是涉及一种位置信息确定方法、对象识别模型的训练方法及装置。

技术介绍

[0002]确定图像中对象的位置信息在深度学习领域是一种基础技术，在确定位置信息之后，可以利用位置信息进行对象识别等应用。上述对象可以包括：商标、水印、商品、人物等；对象识别可以是：确定商标的所属商家、水印的类型、商品的类型、人物的身份等。
[0003]由于图像获取场景的复杂性，导致图像中待识别对象可能存在多角度、模糊、遮挡、形变等质量问题，导致在图像中待识别对象存在质量问题时，很难准确确定对象在图像中的位置信息。
[0004]因此，如何提高确定对象在图像中的位置信息的准确性，是亟待解决的问题。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种位置信息确定方法、对象识别模型的训练方法及装置，以提高确定对象在图像中的位置信息的准确性。具体技术方案如下：
[0006]在本专利技术实施的第一方面，首先提供了一种位置信息确定方法，所述位置信息确定方法包括：
[0007]对目标图像进行特征预提取，得到所述目标图像的第一初始特征图；
[0008]利用所述第一初始特征图，识别所述目标图像中待识别对象所处的区域，作为第一区域；
[0009]从所述第一初始特征图中，提取所述第一区域所对应的第一区域特征图；
[0010]将所述第一初始特征图与所述第一区域特征图进行特征融合，得到融合特征图；
[0011]基于所述融合特征图确定所述目标图像中所述待识别对象的位置信息。
[0012]可选地，所述利用所述第一初始特征图，识别所述目标图像中待识别对象所处的区域，作为第一区域，包括：
[0013]利用预设的第一激活函数处理所述第一初始特征图，得到表征所述目标图像中待识别对象所处的区域，作为第一区域的第一掩膜图像。
[0014]可选地，所述基于所述融合特征图确定所述目标图像中所述待识别对象的位置信息，包括：
[0015]利用预设的第二激活函数处理所述融合特征图，得到表征所述目标图像中所述待识别对象的位置的第二掩膜图像。
[0016]可选地，所述方法还包括：
[0017]从所述待识别图像中，提取所述位置信息所指示位置的图像特征，得到目标特征图；
[0018]基于所述目标特征图确定所述待识别图像中待识别对象的识别结果。
[0019]可选地，所述基于所述目标特征图确定所述待识别图像中待识别对象的识别结果，包括：
[0020]确定预先建立的特征数据库中的各库存特征图，与所述目标特征图的特征相似度满足预设条件的目标库存特征图；其中，每一库存特征图为预先针对包含待识别对象的预设图像所提取的特征图；
[0021]根据预设的所述特征数据库中的各个库存特征图与对象信息的对应关系，确定与所述目标库存特征对应的对象信息作为所述识别结果。
[0022]可选地，所述特征数据库的建立过程包括：
[0023]针对多个所述预设图像中的每一所述预设图像进行特征预提取，得到该预设图像的第二初始特征图；
[0024]针对每一所述预设图像，利用该预设图像的第二初始特征图确定该预设图像的第二区域，并从所述第二初始特征图中，提取所述第二区域所对应的第二区域特征图，以及利用所述第二初始特征图和所述第二区域特征图，确定该预设图像中待识别对象的位置信息，提取该预设图像中所述位置信息所指示位置的特征，得到所述库存特征图；
[0025]针对每一所述预设图像，建立该预设图像对应的库存特征图与针对该预设图像所预设的对象信息的对应关系。
[0026]可选地，所述确定预先建立的特征数据库中的各库存特征图，与所述目标特征图的特征相似度满足预设条件的目标库存特征图，包括：
[0027]确定预先建立的特征数据库中的各库存特征图中，与所述目标特征图的特征相似度最大的库存特征图为目标库存特征图。
[0028]在本专利技术实施的第二方面，还提供了一种对象识别模型的训练方法，所述对象识别模型被执行时实现上述任一所述的位置信息确定方法的步骤，所述对象识别模型的训练方法包括：
[0029]获取样本图像；
[0030]将所述样本图像输入待训练的神经网络模型，以使所述待训练的神经网络模型对所述样本图像进行特征预提取，得到所述样本图像的第三初始特征图；利用所述第三初始特征图，识别所述样本图像中待识别对象所处的区域，作为第三区域；从所述第三初始特征图中，提取所述第三区域所对应的第三区域特征图；利用所述第三初始特征图和所述第三区域特征图，预测所述样本图像中待识别对象的位置预测信息；
[0031]基于所述位置预测信息与所述样本图像预先标定的对象位置真值确定所述待训练的神经网络模型的模型损失；
[0032]基于所得到的模型损失，调整所述待训练的神经网络模型中的模型参数。
[0033]可选地，所述基于所述位置预测信息与所述样本图像预先标定的对象位置真值确定所述待训练的神经网络模型的模型损失，包括：
[0034]将所述位置预测信息与所述对象位置真值输入预设的第一损失函数中，得到第一损失值；
[0035]将表征所述第三区域的区域信息和所述对象位置真值输入预设的第二损失函数中，得到第二损失值；
[0036]基于所述第一损失值和所述第二损失值确定所述待训练的神经网络模型的模型
损失。
[0037]可选地，所述第一损失函数和所述第二损失函数均为交叉熵损失函数。
[0038]在本专利技术实施的第三方面，还提供了一种位置信息确定装置，所述装置包括：
[0039]预提取模块，用于对目标图像进行特征预提取，得到所述目标图像的第一初始特征图；
[0040]区域识别模块，用于利用所述第一初始特征图，识别所述目标图像中待识别对象所处的区域，作为第一区域；
[0041]区域特征图提取模块，用于从所述第一初始特征图中，提取所述第一区域所对应的第一区域特征图；
[0042]特征融合模块，用于将所述第一初始特征图与所述第一区域特征图进行特征融合，得到融合特征图；
[0043]位置信息确定模块，用于基于所述融合特征图确定所述目标图像中所述待识别对象的位置信息。
[0044]在本专利技术实施的第四方面，还提供了一种对象识别模型的训练装置，所述对象识别模型被执行时实现上述位置信息确定装置的步骤，所述训练装置包括：
[0045]获取模块，用于获取样本图像；
[0046]输入模块，用于将所述样本图像输入待训练的神经网络模型，以使所述待训练的神经网络模型对所述样本图像进行特征预提取，得到所述样本图像的第三初始特征图；利用所述第三初始特征图，识别所述样本图像中待识别对象所处的区域，作为第三区域；从所述第三初始特征图中，提取所述第三区域所对应的第三区域特征图；利用所述第三初始特征图和所述第三区域特征图，预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位置信息确定方法，其特征在于，所述位置信息确定方法包括：对目标图像进行特征预提取，得到所述目标图像的第一初始特征图；利用所述第一初始特征图，识别所述目标图像中待识别对象所处的区域，作为第一区域；从所述第一初始特征图中，提取所述第一区域所对应的第一区域特征图；将所述第一初始特征图与所述第一区域特征图进行特征融合，得到融合特征图；基于所述融合特征图确定所述目标图像中所述待识别对象的位置信息。2.根据权利要求1所述的方法，其特征在于，所述利用所述第一初始特征图，识别所述目标图像中待识别对象所处的区域，作为第一区域，包括：利用预设的第一激活函数处理所述第一初始特征图，得到表征所述目标图像中待识别对象所处的区域，作为第一区域的第一掩膜图像。3.根据权利要求1所述的方法，其特征在于，所述基于所述融合特征图确定所述目标图像中所述待识别对象的位置信息，包括：利用预设的第二激活函数处理所述融合特征图，得到表征所述目标图像中所述待识别对象的位置的第二掩膜图像。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法还包括：从所述待识别图像中，提取所述位置信息所指示位置的图像特征，得到目标特征图；基于所述目标特征图确定所述待识别图像中待识别对象的识别结果。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标特征图确定所述待识别图像中待识别对象的识别结果，包括：确定预先建立的特征数据库中的各库存特征图，与所述目标特征图的特征相似度满足预设条件的目标库存特征图；其中，每一库存特征图为预先针对包含待识别对象的预设图像所提取的特征图；根据预设的所述特征数据库中的各个库存特征图与对象信息的对应关系，确定与所述目标库存特征对应的对象信息作为所述识别结果。6.根据权利要求5所述的方法，其特征在于，所述特征数据库的建立过程包括：针对多个所述预设图像中的每一所述预设图像进行特征预提取，得到该预设图像的第二初始特征图；针对每一所述预设图像，利用该预设图像的第二初始特征图确定该预设图像中待识别对象所处的区域，作为第二区域，并从所述第二初始特征图中，提取所述第二区域所对应的第二区域特征图，以及利用所述第二初始特征图和所述第二区域特征图，确定该预设图像中待识别对象的位置信息，提取该预设图像中所述位置信息所指示位置的特征，得到所述库存特征图；针对每一所述预设图像，建立该预设图像对应的库存特征图与针对该预设图像所预设的对象信息的对应关系。7.根据权利要求5所述的方法，其特征在于，所述确定预先建立的特征数据库中的各库存特征图，与所述目标特征图的特征相似度满足预设条件的目标库存特征图，包括：确定预先建立的特征数据库中的各库存特征图中，与所述目标特征图的特征相似度最大的库存特征图为目标库存特征图。
8.一种对象识别模型的训练方法，其特征在于，所述对象识别模型被执行时实现权利要求1
‑
7任一所述的方法步骤，所述对象识别模型的训练方法包括：获取样本图像；将所述样本图像输入待训练的神经网络模型，以使所述待训练的神经网络模型对所述样本图像进行特征预提取，得到所述样本图像...

【专利技术属性】
技术研发人员：王发发，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：