数据处理方法及装置制造方法及图纸

本申请实施例提供一种数据处理方法及装置

【技术实现步骤摘要】
数据处理方法及装置、检测方法及装置、设备


[0001]本申请实施例涉及图像处理领域，尤其涉及一种数据处理方法及装置
、
检测方法及装置
、
设备
。

技术介绍

[0002]在与房屋相关的业务领域中，通常可以对房屋对应的全景图像中房门上的目标点进行检测，目标点例如可以包括房门与地面相交的点等，以便于基于目标点进行全景图像拼接获得房屋整体布局
、
配置等情况
。
传统方案中，通常需要首先识别全景图像中的房门对象，之后，再对房门对象上的目标点进行检测，过程较繁琐且耗时较多，效果不佳
。

技术实现思路

[0003]本申请实施例提供一种数据处理方法及装置
、
检测方法及装置
、
设备，用以解决现有技术中房门对象上的目标点检测效果不佳的问题
。
[0004]第一方面，本申请提供了一种数据处理方法，包括：
[0005]根据房门检测任务以及门点检测任务，构建目标检测模型；
[0006]获取样本房屋全景图像及标注数据；所述标注数据包括至少一个房门对象标签以及至少一个房门对象上的多个目标点标签；
[0007]利用所述样本房屋全景图像及所述标注数据，训练所述目标检测模型；其中，所述目标检测模型用于检测待处理的房屋全景图像，获得至少一个房门对象以及所述至少一个房门对象上的多个目标点
。
[0008]可选的，所述根据房门检测任务以及门点检测任务，构建目标检测模型包括：
[0009]依次搭建输入模块
、
中间层处理模块及房门检测任务以及门点检测任务对应的输出模块，获得目标检测模型
。
[0010]可选的，所述利用所述样本房屋全景图像及所述标注数据，训练所述目标检测模型包括：
[0011]将所述样本房屋全景图像输入所述目标检测模型，识别获得至少一个预测房门对象以及所述至少一个预测房门对象上的多个预测目标点；
[0012]利用所述至少一个预测房门对象及所述至少一个预测房门对象上的多个预测目标点与所述标注数据，训练所述目标检测模型
。
[0013]可选的，所述标注数据包括至少一个房门对象的外接检测框中的第一顶点坐标标签及第二顶点坐标标签，以及所述至少一个房门对象上与地面相交的第一目标点坐标标签及第二目标点坐标标签；
[0014]所述将所述样本房屋全景图像输入所述目标检测模型，识别获得至少一个预测房门对象以及所述至少一个预测房门对象上的多个预测目标点包括：
[0015]将所述样本房屋全景图像输入所述目标检测模型，识别获得至少一个房门对象的外接检测框中的第一预测顶点坐标及第二预测顶点坐标，以及所述至少一个房门对象上与
地面相交的第一预测目标点坐标及第二预测目标点坐标；
[0016]所述利用所述至少一个预测房门对象及所述至少一个预测房门对象上的多个预测目标点与所述标注数据，训练所述目标检测模型包括：
[0017]基于所述第一预测顶点坐标与所述第一顶点坐标标签的差异信息
、
所述第二预测顶点坐标与所述第二顶点坐标标签的差异信息
、
所述第一预测目标点坐标与所述第一目标点坐标标签的差异信息
、
以及所述第二预测目标点坐标与所述第二目标点坐标标签的差异信息，计算损失值；
[0018]利用所述损失值对所述目标检测模型的模型参数进行优化处理直至所述损失值满足损失条件，以获得所述目标检测模型
。
[0019]第二方面，本申请提供了一种检测方法，包括：
[0020]获取待处理的房屋全景图像；
[0021]将所述房屋全景图像输入目标检测模型，识别获得至少一个房门对象，以及所述至少一个房门对象上的多个目标点；
[0022]其中，所述目标检测模型基于样本房屋全景图像及标注数据训练获得，所述标注数据包括至少一个房门对象标签以及至少一个房门对象上的多个目标点标签
。
[0023]可选的，所述将所述房屋全景图像输入目标检测模型，识别获得至少一个房门对象，以及所述至少一个房门对象上的多个目标点包括：
[0024]将所述房屋全景图像输入目标检测模型，识别获得至少一个房门对象的外接检测框中的第一顶点坐标及第二顶点坐标，以及所述至少一个房门对象上与地面相交的第一目标点坐标及第二目标点坐标
。
[0025]可选的，所述方法还包括：
[0026]基于多张待处理的房屋全景图像各自对应的至少一个房门对象以及所述至少一个房门对象上的多个目标点，将所述多张待处理的房屋全景图像进行拼接处理
。
[0027]第三方面，本申请提供了一种数据处理装置，包括：
[0028]构建模块，用于根据房门检测任务以及门点检测任务，构建目标检测模型；
[0029]第一获取模块，用于获取样本房屋全景图像及标注数据；所述标注数据包括至少一个房门对象标签以及至少一个房门对象上的多个目标点标签；
[0030]训练模块，用于利用所述样本房屋全景图像及所述标注数据，训练所述目标检测模型；其中，所述目标检测模型用于检测待处理的房屋全景图像，获得至少一个房门对象以及所述至少一个房门对象上的多个目标点
。
[0031]第四方面，本申请提供了一种检测装置，包括：
[0032]第二获取模块，用于获取待处理的房屋全景图像；
[0033]检测模块，用于将所述房屋全景图像输入目标检测模型，识别获得至少一个房门对象，以及所述至少一个房门对象上的多个目标点；
[0034]其中，所述目标检测模型基于样本房屋全景图像及标注数据训练获得，所述标注数据包括至少一个房门对象标签以及至少一个房门对象上的多个目标点标签
。
[0035]第五方面，本申请提供了一种电子设备，包括存储组件及处理组件；
[0036]所述存储组件存储一条或多条计算机指令，所述一条或多条计算机指令供所述处理组件调用执行；所述处理组件调用所述一条或多条计算机指令以实现如第一方面所述的
数据处理方法，或第二方面所述的检测方法
。
[0037]第六方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被计算机执行时实现如第一方面所述的数据处理方法，或第二方面所述的检测方法
。
[0038]本申请实施例中，可以根据房门检测任务以及门点检测任务，构建目标检测模型，并获取样本房屋全景图像及标注数据，该标注数据可以包括至少一个房门对象标签以及至少一个房门对象上的多个目标点标签，利用该样本房屋全景图像及标注数据，训练目标检测模型
。
利用训练获得的目标检测模型可以检测待处理的房屋全景图像，获得至少一个房门对象以及至少一个房门对象上的多个目标点，即可以同时完成房门对象检测以及房门对象上的目标点检测，无需优先识别房门对象，再对房门对象上的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据处理方法，其特征在于，包括：根据房门检测任务以及目标点检测任务，构建目标检测模型；获取样本房屋全景图像及标注数据；所述标注数据包括至少一个房门对象标签以及至少一个房门对象上的多个目标点标签；利用所述样本房屋全景图像及所述标注数据，训练所述目标检测模型；其中，所述目标检测模型用于检测待处理的房屋全景图像，获得至少一个房门对象以及所述至少一个房门对象上的多个目标点
。2.
根据权利要求1所述的方法，其特征在于，所述根据房门检测任务以及目标点检测任务，构建目标检测模型包括：根据房门检测任务以及目标点检测任务，依次搭建输入模块
、
中间层处理模块及房门检测任务以及目标点检测任务对应的输出模块，获得目标检测模型
。3.
根据权利要求1所述的方法，其特征在于，所述利用所述样本房屋全景图像及所述标注数据，训练所述目标检测模型包括：将所述样本房屋全景图像输入所述目标检测模型，识别获得至少一个预测房门对象以及所述至少一个预测房门对象上的多个预测目标点；利用所述至少一个预测房门对象及所述至少一个预测房门对象上的多个预测目标点与所述标注数据，训练所述目标检测模型
。4.
根据权利要求3所述的方法，其特征在于，所述标注数据包括至少一个房门对象的外接检测框中的第一顶点坐标标签及第二顶点坐标标签，以及所述至少一个房门对象上与地面相交的第一目标点坐标标签及第二目标点坐标标签；所述将所述样本房屋全景图像输入所述目标检测模型，识别获得至少一个预测房门对象以及所述至少一个预测房门对象上的多个预测目标点包括：将所述样本房屋全景图像输入所述目标检测模型，识别获得至少一个房门对象的外接检测框中的第一预测顶点坐标及第二预测顶点坐标，以及所述至少一个房门对象上与地面相交的第一预测目标点坐标及第二预测目标点坐标；所述利用所述至少一个预测房门对象及所述至少一个预测房门对象上的多个预测目标点与所述标注数据，训练所述目标检测模型包括：基于所述第一预测顶点坐标与所述第一顶点坐标标签的差异信息
、
所述第二预测顶点坐标与所述第二顶点坐标标签的差异信息
、
所述第一预测目标点坐标与所述第一目标点坐标标签的差异信息
、
以及所述第二预测目标点坐标与所述第二目标点坐标标签的差异信息，计算损失值；利用所述损失值对所述目标检测模型的模型参数进行优化处理直至所述损失值满足损失条件，以获得所述目标检测模型
。5.
一种检测方法，...

【专利技术属性】
技术研发人员：陈富强，
申请(专利权)人：北京城市网邻信息技术有限公司，
类型：发明
国别省市：