目标感知任务优化处理方法、装置、存储介质和电子设备制造方法及图纸

本申请公开了一种目标感知任务的优化处理方法、装置、存储介质和电子设备，包括：将待处理图像分别输入用于执行目标感知任务的第一神经网络模型和用于执行第二感知任务的第二神经网络模型进行处理；从第一神经网络模型的图像特征提取部分中提取第一指定层的第一处理结果；从第二神经网络模型的图像特征提取部分中提取第二指定层的第二处理结果；基于交叉注意力机制，将第一处理结果和第二处理结果进行融合，得到融合特征；对融合特征进行第一神经网络模型中第一指定层之后的所有处理，得到目标感知任务的输出结果。应用本申请，能够有效提高目标感知任务输出结果的准确性。

【技术实现步骤摘要】

本申请涉及神经网络技术，特别涉及一种目标感知任务的优化处理方法、装置、存储介质和电子设备。

技术介绍

1、随着神经网络技术的进步，通过神经网络进行的感知任务在智能交通控制、智能机器人等系统得到了越来越广泛的应用。

2、目前，感知任务有多种不同的类型，尤其对同一场景或目标区域的采集图像，也可能执行多种不同类型的感知任务。例如，在智能交通控制的自动驾驶感知领域，通常包括不同模态或者不同类型输出的感知任务，比如在自动泊车感知领域，包括基于原始图像的目标(机动车、行人、非机动车等)检测任务、基于俯视图的车位检测、基于原始图像的逐像素分割任务等。

3、在现有的相关领域和系统中，对相同目标区域进行的多种感知任务之间往往都是相互独立的，对于各个目标感知任务，其任务输出结果的准确性还有提升的空间。

技术实现思路

1、本申请提供一种目标感知任务的优化处理方法、装置、存储介质和电子设备，能够借助其他感知任务，提高目标感知任务的输出结果的准确性。

2、为实现上述目的，本申请采用如下技术方案：...

【技术保护点】

1.一种目标感知任务的优化处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述第一指定层为所述图像特征提取部分的最后一层。

3.根据权利要求1或2所述的方法，其特征在于，所述第二指定层为其处理结果的维度与所述第一处理结果的维度最接近的层。

4.根据权利要求1所述的方法，其特征在于，所述基于交叉注意力机制将所述第一处理结果和所述第二处理结果进行融合，包括：

5.根据权利要求1所述的方法，其特征在于，所述待处理图像是对目标区域的采集图像；

6.一种目标感知任务的优化处理装置，其特征在于，该装置包括：第一神经网...

【技术特征摘要】

1.一种目标感知任务的优化处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述第一指定层为所述图像特征提取部分的最后一层。

3.根据权利要求1或2所述的方法，其特征在于，所述第二指定层为其处理结果的维度与所述第一处理结果的维度最接近的层。

4.根据权利要求1所述的方法，其特征在于，所述基于交叉注意力机制将所述第一处理结果和所述第二处理结果进行融合，包括：

5.根据权利要求1所述的方法，其特征在于，所述待处理图像是对目标区域的采集图像；

6.一种目标感知任务的优化处理装置，其特征在于，该装置包括：第一神经网络处理单元、融合单元和优化单元；

7.根据权利要求6所述的装置，其特征在于...

【专利技术属性】
技术研发人员：方先成，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：