[发明专利]用于生成信息的方法和装置在审

专利信息
申请号: 201711386919.9 申请日: 2017-12-20
公开(公告)号: CN108132054A 公开(公告)日: 2018-06-08
发明(设计)人: 傅依;李旭斌;文石磊;丁二锐;刘霄 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G01C21/26 分类号: G01C21/26;G01C21/30;G06F17/30;G06K9/00
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 待检测图像 导航指示 候选区域 图像特征信息 方法和装置 生成信息 图像 检测图像 类别信息 图像分析 图像输入 相关信息 元素识别 申请
【权利要求书】:

1.一种用于生成信息的方法,包括:

获取显示有导航指示元素的待检测图像;

对所述待检测图像进行图像分析,生成所述待检测图像的图像特征信息;

基于所述图像特征信息,从所述待检测图像中提取至少一个候选区域图像,其中,在候选区域图像中存在所述导航指示元素的概率大于预设阈值;

将所述至少一个候选区域图像中的每一个候选区域图像输入至预先训练的元素识别模型,得到所述导航指示元素在所述待检测图像中的位置信息和类别信息,其中,所述元素识别模型用于表征图像与图像中的导航指示元素的位置信息和类别信息的对应关系。

2.根据权利要求1所述的方法,其中,所述获取显示有导航指示元素的待检测图像,包括:

获取显示有导航指示元素的目标图像;

对所述目标图像进行超分辨处理,得到超分辨率图像作为待检测图像。

3.根据权利要求1所述的方法,其中,所述元素识别模型是经过如下步骤训练得到的:

获取显示有所述导航指示元素的样本图像的集合和每个样本图像的标注,其中,样本图像的标注包括导航指示元素在样本图像中的位置信息和类别信息;

利用深度学习方法,将所述样本图像的集合中的每个样本图像作为输入,将所述样本图像的集合中的每个样本图像所对应的标注作为输出,训练得到元素识别模型。

4.根据权利要求1所述的方法,其中,所述得到所述导航指示元素在所述待检测图像中的位置信息和类别信息之后,还包括:

基于采集所述待检测图像的图像采集设备的地理坐标、所述导航指示元素在所述待检测图像中的位置信息,确定所述导航指示元素的地理坐标。

5.根据权利要求1-4之一所述的方法,其中,所述图像特征信息包括:频域信息、颜色信息、纹理信息。

6.一种用于生成信息的装置,包括:

第一获取单元,配置用于获取显示有导航指示元素的待检测图像;

分析单元,配置用于对所述待检测图像进行图像分析,生成所述待检测图像的图像特征信息;

提取单元,配置用于基于所述图像特征信息,从所述待检测图像中提取至少一个候选区域图像,其中,在候选区域图像中存在所述导航指示元素的概率大于预设阈值;

识别单元,配置用于将所述至少一个候选区域图像中的每一个候选区域图像输入至预先训练的元素识别模型,得到所述导航指示元素在所述待检测图像中的位置信息和类别信息,其中,所述元素识别模型用于表征图像与图像中的导航指示元素的位置信息和类别信息的对应关系。

7.根据权利要求6所述的装置,其中,所述第一获取单元进一步配置用于:

获取显示有导航指示元素的目标图像;

对所述目标图像进行超分辨处理,得到超分辨率图像作为待检测图像。

8.根据权利要求6所述的装置,其中,所述装置还包括:

第二获取单元,配置用于获取显示有所述导航指示元素的样本图像的集合和每个样本图像的标注,其中,样本图像的标注包括导航指示元素在样本图像中的位置信息和类别信息;

训练单元,配置用于利用深度学习方法,将所述样本图像的集合中的每个样本图像作为输入,将所述样本图像的集合中的每个样本图像所对应的标注作为输出,训练得到元素识别模型。

9.根据权利要求6所述的装置,其中,所述装置还包括:

确定单元,配置用于基于采集所述待检测图像的图像采集设备的地理坐标、所述导航指示元素在所述待检测图像中的位置信息,确定所述导航指示元素的地理坐标。

10.根据权利要求6-9之一所述的装置,其中,所述图像特征信息包括:频域信息、颜色信息、纹理信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711386919.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top