[发明专利]提取图像的特征图的方法和装置在审

专利信息
申请号: 201910098620.6 申请日: 2019-01-31
公开(公告)号: CN109840528A 公开(公告)日: 2019-06-04
发明(设计)人: 喻冬东;王长虎 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
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: 100041 北京市石景山区*** 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: 特征图 待检测图像 特征提取 方法和装置 提取图像 低分辨率 输入特征 特征信息 网络包括 输出 融合 网络
【说明书】:

本公开的实施例公开了提取图像的特征图的方法和装置。该方法的一具体实施方式包括:获取待检测图像;将待检测图像输入特征提取网络,特征提取网络包括至少三个特征提取层;从至少三个特征提取层输出的特征图中选取三个特征图,基于三个特征图,得到待检测图像对应的特征图。该实施方式实现了高、中、低分辨率的特征信息充分融合。

技术领域

本公开的实施例涉及计算机技术领域,具体涉及提取图像的特征图的方法和装置。

背景技术

在对图像进行处理时,可以先将图像输入特征提取网络。然后,根据得到的特征图对于图像进行多种预测。例如,姿态检测、图像分割等等。在此过程中,特征提取网络输出的特征图可以保留较多的上下文信息。但随着网络层数的加深,特征图的分辨率较低,往往损失了很多细节信息。

发明内容

本公开的实施例提出了提取图像的特征图方法和装置。

第一方面,本公开的实施例提供了一种提取图像的特征图的方法,包括:获取待检测图像;将待检测图像输入特征提取网络,特征提取网络包括至少三个特征提取层;从至少三个特征提取层输出的特征图中选取三个特征图,基于三个特征图,得到待检测图像对应的特征图。

在一些实施例中,将待检测图像的特征图输入预先训练的姿态预测网络,得到待检测图像中显示的人体的姿态信息,其中,姿态预测网络用于表征图像的特征图与图像中显示的人体的姿态信息的对应关系。

在一些实施例中,将待检测图像的特征图输入预先训练的图像分割网络,得到对于待检测图像中显示的至少一个对象的分割结果信息,其中,图像分割网络用于表征图像的特征图与对图像中显示的至少一个对象的分割结果信息的对应关系。

在一些实施例中,从至少三个特征提取层输出的特征图中选取三个特征图,基于三个特征图,得到待检测图像对应的特征图,包括:从至少三个特征提取层输出的特征图中选取分辨率满足预设条件的三个特征图,将三个特征图进行融合,得到待检测图像对应的特征图。

在一些实施例中,从至少三个特征提取层输出的特征图中选取分辨率满足预设条件的三个特征图,包括:对于至少三个特征提取层输出的特征图,按照分辨率由小到大的顺序,选取两个特征图作为第一特征图和第二特征图;选取分辨率与所述待检测图像的分辨率的比值等于预设阈值的特征图作为第三特征图。

在一些实施例中,从至少三个特征提取层输出的特征图中选取分辨率满足预设条件的三个特征图,包括:对于至少三个特征提取层输出的特征图,选取分辨率位于第一分辨率区间的特征图作为第一特征图;选取分辨率位于第二分辨率区间的特征图作为第二特征图;选取分辨率位于第三分辨率区间的特征图作为第三特征图。

第二方面,本公开的实施例提供了一种提取图像的特征图的装置,包括:获取单元,被配置成获取待检测图像;特征提取单元,被配置成将待检测图像输入特征提取网络,特征提取网络包括至少三个特征提取层;特征融合单元,被配置成从至少三个特征提取层输出的特征图中选取三个特征图,基于三个特征图,得到待检测图像对应的特征图。

在一些实施例中,该装置还包括:姿态预测单元,被配置成将待检测图像的特征图输入预先训练的姿态预测网络,得到待检测图像中显示的人体的姿态信息,其中,姿态预测网络用于表征图像的特征图与图像中显示的人体的姿态信息的对应关系。

在一些实施例中,该装置还包括:分割单元,被配置成将待检测图像的特征图输入预先训练的图像分割网络,得到对于待检测图像中显示的至少一个对象的分割结果信息,其中,图像分割网络用于表征图像的特征图与对图像中显示的至少一个对象的分割结果信息的对应关系。

在一些实施例中,特征融合单元进一步被配置成:从至少三个特征提取层输出的特征图中选取分辨率满足预设条件的三个特征图,将三个特征图进行融合,得到待检测图像对应的特征图。

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北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,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/201910098620.6/2.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