兴趣面边框识别以及语义分割模型获取方法、装置及介质制造方法及图纸

本公开提供了兴趣面边框识别以及语义分割模型获取方法、装置及介质，涉及计算机视觉、深度学习以及地图导航等人工智能领域。所述兴趣面边框识别方法可包括：针对待识别的图像信息，确定出其中包括的目标地理要素，目标地理要素为包括在预定义的地理要素集合中的地理要素，地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数；分别获取不同类型的目标地理要素对应的要素图像，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容；结合获取到的要素图像以及图像信息，确定出图像信息中的兴趣面边框。应用本公开所述方案，可节省人力和时间成本以及提升处理效率等。力和时间成本以及提升处理效率等。力和时间成本以及提升处理效率等。

【技术实现步骤摘要】
兴趣面边框识别以及语义分割模型获取方法、装置及介质


[0001]本公开涉及人工智能
，特别涉及计算机视觉、深度学习以及地图导航等领域的兴趣面边框识别以及语义分割模型获取方法、装置及介质。

技术介绍

[0002]兴趣面(AOI，Area ofInterest)是电子导航地图中的核心要素之一，通常利用基本信息数据(如名称、类别等)以及地理边界数据来描述，用于泛指地图上一切被人类所关注的有界区域。
[0003]在电子导航地图的数据制作过程中，由于AOI定义的广泛性，使其具有了更加多样的边界划分标准等，因此AOI地理边界的确定，即AOI边框(或称为AOI边界)的绘制，是一大难点。

技术实现思路

[0004]本公开提供了兴趣面边框识别以及语义分割模型获取方法、装置及介质。
[0005]一种兴趣面边框识别方法，包括：
[0006]针对待识别的图像信息，确定出其中包括的目标地理要素，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数；
[0007]分别获取不同类型的目标地理要素对应的要素图像，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容；
[0008]结合所述要素图像以及所述图像信息，确定出所述图像信息中的兴趣面边框。
[0009]一种语义分割模型获取方法，包括：
[0010]构建训练样本，所述训练样本中包括：图像信息、所述图像信息对应的不同类型的要素图像以及所述图像信息的标注结果，其中，所述标注结果中将兴趣面边框作为一种单独的类别；
[0011]利用所述训练样本训练得到语义分割模型，所述语义分割模型用于结合不同类型的要素图像以及待识别的图像信息，确定出所述图像信息中的兴趣面边框，所述要素图像为所述图像信息中包括的不同类型的目标地理要素分别对应的要素图像，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容。
[0012]一种兴趣面边框识别装置，包括：要素确定模块、图像获取模块以及边框识别模块；
[0013]所述要素确定模块，用于针对待识别的图像信息，确定出其中包括的目标地理要素，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数；
[0014]所述图像获取模块，用于分别获取不同类型的目标地理要素对应的要素图像，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容；
[0015]所述边框识别模块，用于结合所述要素图像以及所述图像信息，确定出所述图像信息中的兴趣面边框。
[0016]一种语义分割模型获取装置，包括：样本构建模块以及模型训练模块；
[0017]所述样本构建模块，用于构建训练样本，所述训练样本中包括：图像信息、所述图像信息对应的不同类型的要素图像以及所述图像信息的标注结果，其中，所述标注结果中将兴趣面边框作为一种单独的类别；
[0018]所述模型训练模块，用于利用所述训练样本训练得到语义分割模型，所述语义分割模型用于结合不同类型的要素图像以及待识别的图像信息，确定出所述图像信息中的兴趣面边框，所述要素图像为所述图像信息中包括的不同类型的目标地理要素分别对应的要素图像，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容。
[0019]一种电子设备，包括：
[0020]至少一个处理器；以及
[0021]与所述至少一个处理器通信连接的存储器；其中，
[0022]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
[0023]一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。
[0024]一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
[0025]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0026]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0027]图1为本公开所述AOI边框识别方法实施例的流程图；
[0028]图2为本公开所述卫星影像的示意图；
[0029]图3为本公开所述水系类型的要素图像的示意图；
[0030]图4为本公开所述POI类型的要素图像的示意图；
[0031]图5为本公开所述利用语义分割模型对卫星影像进行AOI边框识别的过程示意图；
[0032]图6为本公开所述语义分割模型获取方法实施例的流程图；
[0033]图7为本公开所述标注结果的示意图；
[0034]图8为本公开所述AOI边框识别装置实施例800的组成结构示意图；
[0035]图9为本公开所述语义分割模型获取装置实施例900的组成结构示意图；
[0036]图10示出了可以用来实施本公开的实施例的电子设备1000的示意性框图。
具体实施方式
[0037]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0038]另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0039]图1为本公开所述AOI边框识别方法实施例的流程图。如图1所示，包括以下具体实现方式。
[0040]在步骤101中，针对待识别的图像信息，确定出其中包括的目标地理要素，目标地理要素为包括在预定义的地理要素集合中的地理要素，地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数。
[0041]在步骤102中，分别获取不同类型的目标地理要素对应的要素图像，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容。
[0042]在步骤103中，结合获取到的要素图像以及图像信息，确定出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种兴趣面边框识别方法，包括：针对待识别的图像信息，确定出其中包括的目标地理要素，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数；分别获取不同类型的目标地理要素对应的要素图像，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容；结合所述要素图像以及所述图像信息，确定出所述图像信息中的兴趣面边框。2.根据权利要求1所述的方法，其中，所述目标地理要素包括：围墙；获取围墙类型的要素图像的方式包括：获取所述图像信息对应的街景图像，对所述街景图像进行围墙识别，基于识别结果生成围墙对应的要素图像。3.根据权利要求1所述的方法，其中，所述目标地理要素包括：兴趣点；获取兴趣点类型的要素图像的方式包括：响应于确定所述图像信息中包括的兴趣点的数量为一个，按照以下方式确定出所述兴趣点类型的要素图像中的各像素点的取值：将所述兴趣点的中心点的取值设置为预定值，针对任一非中心点，分别获取所述非中心点与所述中心点之间的距离，响应于确定所述距离大于预定阈值，将所述非中心点的取值设置为0，响应于确定所述距离小于或等于所述预定阈值，按照距离越大取值越小的原则确定出所述非中心点的取值，所述预定值大于0，且各非中心点的取值均小于或等于所述预定值。4.根据权利要求1所述的方法，其中，所述目标地理要素包括：兴趣点；获取兴趣点类型的要素图像的方式包括：响应于确定所述图像信息中包括的兴趣点的数量大于一个，针对每个兴趣点，分别按照以下方式确定出所述兴趣点对应的临时图像：将所述兴趣点的中心点的取值设置为预定值，针对任一非中心点，分别获取所述非中心点与所述中心点之间的距离，响应于确定所述距离大于预定阈值，将所述非中心点的取值设置为0，响应于确定所述距离小于或等于所述预定阈值，按照距离越大取值越小的原则确定出所述非中心点的取值，所述预定值大于0，且各非中心点的取值均小于或等于所述预定值；将各临时图像进行融合，得到所述兴趣点类型的要素图像。5.根据权利要求4所述的方法，其中，所述将各临时图像进行融合，得到所述兴趣点类型的要素图像包括：针对所述兴趣点类型的要素图像中的任一像素点，分别按照以下方式确定出其取值：分别从各临时图像中获取所述像素点的取值，将获取到的各取值中的最大值作为所述像素点在所述兴趣点类型的要素图像中的取值。6.根据权利要求1所述的方法，其中，所述结合所述要素图像以及所述图像信息，确定出所述图像信息中的兴趣面边框包括：
响应于所述目标地理要素中包括道路大门，针对道路大门类型的要素图像，将其中的道路大门对应的点分别向两侧延长预定长度，得到优化后的道路大门类型的要素图像，两侧的延长结果位于同一直线上，且所述直线垂直于所述道路大门所在道路方向；结合所述优化后的道路大门类型的要素图像、未进行优化的其它类型的要素图像以及所述图像信息，确定出所述图像信息中的兴趣面边框。7.根据权利要求1～6中任一项所述的方法，其中，所述结合所述要素图像以及所述图像信息，确定出所述图像信息中的兴趣面边框包括：将所述要素图像以及所述图像信息作为预先训练得到的语义分割模型的输入，得到识别出的所述图像信息中的兴趣面边框信息。8.根据权利要求7所述的方法，其中，所述语义分割模型包括：采用注意力机制的语义分割模型；和/或，所述图像信息包括：卫星影像。9.一种语义分割模型获取方法，包括：构建训练样本，所述训练样本中包括：图像信息、所述图像信息对应的不同类型的要素图像以及所述图像信息的标注结果，其中，所述标注结果中将兴趣面边框作为一种单独的类别；利用所述训练样本训练得到语义分割模型，所述语义分割模型用于结合不同类型的要素图像以及待识别的图像信息，确定出所述图像信息中的兴趣面边框，所述要素图像为所述图像信息中包括的不同类型的目标地理要素分别对应的要素图像，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数，所述要素图像为仅包括单一地理要素内容的图像，所述单一地理要素内容为对应的目标地理要素内容。10.根据权利要求9所述的方法，其中，所述语义分割模型包括：采用注意力机制的语义分割模型；和/或，所述图像信息包括：卫星影像。11.一种兴趣面边框识别装置，包括：要素确定模块、图像获取模块以及边框识别模块；所述要素确定模块，用于针对待识别的图像信息，确定出其中包括的目标地理要素，所述目标地理要素为包括在预定义的地理要素集合中的地理要素，所述地理要素集合中包括M种不同类型的地理要素，M为大于一的正整数；所述图像获取模块...

【专利技术属性】
技术研发人员：张定平，
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：