System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及但不限于图像处理,尤其涉及一种图像检测方法、模型及装置。
技术介绍
1、在交通安全领域,为了降低交通事故发生率,在某些路段安装电子眼抓拍交通图像,以交通图像确定交通违规情况。例如,在抓拍的交通图像中确定是否存在摩托车驾驶员没有戴头盔及超载等违规情况。
2、由于利用电子眼抓拍的图像数量庞大,且交通违规对象的目标较小,例如,上述摩托车对象,导致从交通图像中识别出所有交通违规行为需要消耗大量人力资源。因此,如何实现对交通违规图像的自动检测,成为亟需解决的问题。
技术实现思路
1、有鉴于此,本申请至少提供一种图像检测方法、模型及装置。
2、本申请的技术方案是这样实现的:
3、一方面,本申请提供一种数据处理方法,所述方法包括:
4、利用目标检测模型,确定待检测图像对应的第一特征图;基于所述第一特征图,确定目标对象在所述待检测图像中的位置信息及所述目标对象对应的至少两个标签信息;其中,每一所述标签信息与至少一种分类任务相对应;
5、显示输出所述位置信息及所述至少两个标签信息。
6、在一些实施例中,所述基于所述第一特征图,确定目标对象在所述待检测图像中的位置信息及所述目标对象对应的至少两个标签信息,包括:
7、利用所述目标检测模型中的位置检测神经网络,基于所述第一特征图,确定所述目标对象在所述第一特征图中的位置信息;基于所述目标对象在所述第一特征图中的位置信息,确定所述目标对象在所述待检测图像中的位置信
8、利用所述目标检测模型中的分类神经网络,基于所述第一特征图,确定所述目标对象对应的至少两个标签信息。
9、在一些实施例中,所述分类神经网络包括第一子网络、第二子网络和第三子网络;
10、所述利用所述目标检测模型中的分类神经网络,基于所述第一特征图,确定与所述目标对象相关的至少两个标签信息,包括:
11、利用所述第一子网络,基于所述第一特征图,确定权重信息;其中,所述权重信息表征所述第一特征图中的每一像素点对应的权重;
12、利用所述第二子网络,基于所述权重信息和所述第一特征图,确定第二特征图;
13、利用所述第三子网络,基于所述第二特征图,确定所述目标对象对应的至少两个标签信息。
14、在一些实施例中,所述利用所述第一子网络,基于所述第一特征图,确定权重信息,包括:
15、基于所述第一特征图,确定由多个节点构成的结构图;其中,每一所述节点对应的特征是基于所述第一特征图中的像素点确定的;
16、对所述结构图进行卷积处理,得到权重矩阵;
17、将所述权重矩阵作为所述权重信息。
18、在一些实施例中,所述利用所述第二子网络,基于所述权重信息和所述第一特征图,确定第二特征图,包括:
19、利用所述第二子网络,基于所述权重信息对所述第一特征图进行特征更新,得到所述第二特征图。
20、在一些实施例中,所述方法还包括:
21、基于所述目标对象相对于所述待检测图像的尺寸信息,确定所述第一特征图的尺寸信息。
22、另一方面,本申请还提供一种图像检测模型,包括:
23、特征提取网络,用于确定待检测图像对应的第一特征图;
24、检测网络,用于基于所述第一特征图,确定目标对象在所述待检测图像中的位置信息及所述目标对象对应的至少两个标签信息。
25、在一些实施例中,所述检测网络包括分类神经网络;所述分类神经网络包括第一子网络、第二子网络和第三子网络,其中:
26、所述第一子网络,用于基于所述第一特征图,确定权重信息;其中,所述权重信息表征所述第一特征图中的多个像素点之间的相关性;
27、所述第二子神经网络,用于基于所述权重信息和所述第一特征图,确定第二特征图;
28、所述第三子网络,用于基于所述第二特征图,确定与所述目标对象相关的至少两个标签信息。
29、在一些实施例中,所述第一子网络包括以下至少之一:
30、图卷积神经网络,空间注意力神经网络,通道注意力神经网络,及自注意力神经网络。
31、再一方面,本申请还提供一种图像检测装置,包括:
32、目标检测模块,用于确定待检测图像对应的第一特征图;基于所述第一特征图,确定目标对象在所述待检测图像中的位置信息及所述目标对象对应的至少两个标签信息;
33、显示模块,用于显示输出所述位置信息及所述至少两个标签信息。
34、再一方面,本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法中的部分或全部步骤。
35、又一方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法中的部分或全部步骤。
36、又一方面,本申请提供一种计算机程序,包括计算机可读代码,当所述计算机可读代码在计算机设备中运行时,所述计算机设备中的处理器执行用于实现上述方法中的部分或全部步骤。
37、又一方面,本申请提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序被计算机读取并执行时,实现上述方法中的部分或全部步骤。
38、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开的技术方案。
本文档来自技高网...【技术保护点】
1.一种图像检测方法,包括:
2.根据权利要求1所述的方法,其中,所述基于所述第一特征图,确定目标对象在所述待检测图像中的位置信息及所述目标对象对应的至少两个标签信息,包括:
3.根据权利要求2所述的方法,其中,所述分类神经网络包括第一子网络、第二子网络和第三子网络;
4.根据权利要求3所述的方法,其中,所述利用所述第一子网络,基于所述第一特征图,确定权重信息,包括:
5.根据权利要求3至4任一项所述的方法,其中,所述利用所述第二子网络,基于所述权重信息和所述第一特征图,确定第二特征图,包括:
6.根据权利要求1所述的方法,还包括:
7.一种图像检测模型,包括:
8.根据权利要求7所述的模型,其中,所述检测网络包括分类神经网络;所述分类神经网络包括第一子网络、第二子网络和第三子网络,其中:
9.根据权利要求8所述的模型,其中,所述第一子网络包括以下至少之一:
10.一种图像检测装置,包括:
【技术特征摘要】
1.一种图像检测方法,包括:
2.根据权利要求1所述的方法,其中,所述基于所述第一特征图,确定目标对象在所述待检测图像中的位置信息及所述目标对象对应的至少两个标签信息,包括:
3.根据权利要求2所述的方法,其中,所述分类神经网络包括第一子网络、第二子网络和第三子网络;
4.根据权利要求3所述的方法,其中,所述利用所述第一子网络,基于所述第一特征图,确定权重信息,包括:
5.根据权利要求3至4任一项所述的...
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。