[发明专利]图像处理在审
申请号: | 201910677276.6 | 申请日: | 2019-07-25 |
公开(公告)号: | CN110781909A | 公开(公告)日: | 2020-02-11 |
发明(设计)人: | 达仁·克罗克斯福德;罗伯托·洛佩斯门德斯;迈德苏丹·埃尤尼 | 申请(专利权)人: | ARM有限公司;顶级公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 11258 北京东方亿思知识产权代理有限责任公司 | 代理人: | 林强 |
地址: | 英国*** | 国省代码: | 英国;GB |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 对象分类 远程对象 分类器 图像数据传送 处理图像数据 方法和装置 表示图像 对象数据 检测图像 使用对象 图像数据 图像帧 检测 导出 响应 | ||
1.一种图像处理系统,包括:
图像数据接口,被布置为接收表示图像帧的第一图像数据;
第一本地对象分类器,被布置为在所述图像帧中执行对象分类;以及
存储器,被布置为存储归类数据,所述归类数据包括在对象分类期间使用的对象定义集;
其中,所述第一对象分类器被布置为:
检测所述图像帧中的对象;
确定是否将针对所检测到的对象的图像数据传送到第二远程对象分类器;
响应于所述确定:
将从所述第一图像数据导出的第二图像数据传送到所述第二对象分类器;以及
从所述第二对象分类器接收表示所检测到的对象的对象数据。
2.根据权利要求1所述的图像处理系统,其中,所述第一对象分类器被布置为确定是否将针对所检测到的对象的图像数据传送到所述第二对象分类器包括:所述第一对象分类器被布置为:
确定所检测到的对象与所述对象定义集中的对象定义不具有预定对应关系;和/或
选择所述对象定义集的子集,并且确定所检测到的对象是否与对象定义的所述子集中的对象定义具有预定对应关系;
可选地,其中,所述第一对象分类器被布置为:
基于最近使用的方案选择对象定义的所述子集;和/或
响应于下述指示来选择所述对象定义集的子集:表示所述图像处理系统的系统资源的可用性的值与所述系统资源的预定阈值具有预定关系;
可选地,其中,所述系统资源的可用性包括以下各项中的至少一项:
所述存储器的可用容量;
所述图像处理系统可用的处理器使用量;
所述图像处理系统可用的电力量;以及
被配置为实现所述第一对象分类器的至少一个处理器可用的带宽量。
3.根据权利要求1所述的图像处理系统,其中,所述第一对象分类器被布置为:
确定所检测到的对象在所述图像帧中的位置;
基于所确定的位置定义所述图像帧的部分;以及
基于所述图像帧的部分,导出所述第二图像数据,以用于传送到所述第二对象分类器,
可选地,其中,所述第一对象分类器被布置为使用反卷积网络来确定所检测到的对象在所述图像帧中的位置,以基于对所述第一图像数据的处理来对由所述第一对象分类器生成的数据进行处理。
4.根据权利要求1所述的图像处理系统,其中,以下各项中的至少一项:
所述第一图像数据包括表示所述图像帧中的至少一个特征的第一特征数据;
所述第二图像数据包括使用所述对象分类器从所述第一图像数据导出的第二特征数据;以及
所述第一对象分类器被布置为接收的所述对象数据与使用所述对象定义集当前可用的任何对象数据不同。
5.根据权利要求1所述的图像处理系统,其中,所述第一对象分类器被布置为还从所述第二对象分类器接收第二归类数据,所述第二归类数据包括与所检测到的对象对应的对象定义,
可选地,其中,所述第一对象分类器被布置为通过以下方式来更新所述第一归类数据:
包括所述对象定义集中的所接收到的对象定义;和/或
用所接收到的对象定义替换所述对象定义集中的现有对象定义;
可选地,其中,基于最近最少使用的方案来确定待替换的所述现有对象定义,
可选地,其中,所述对象分类器被布置为响应于下述指示来替换所述现有对象定义:所述存储器的可用容量与预定存储容量阈值具有预定关系。
6.根据前述权利要求中任一项所述的图像处理系统,其中,所述第一对象分类器包括具有多个层的神经网络,所述多个层包括:
第一子集,被布置为对所述第一图像数据进行处理,以生成表示所述图像中至少一个特征的中间特征数据;以及
第二子集,被布置为对所述中间特征数据进行处理,以确定所检测到的对象是否与所述对象定义集中的对象定义具有预定对应关系;
可选地,其中,所述第二子集包括一个或多个完全连接层,
可选地,其中,所述对象定义集的对象定义分别对应于所述第二子集的所述一个或多个完全连接层。
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ARM有限公司;顶级公司,未经ARM有限公司;顶级公司许可,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/201910677276.6/1.html,转载请声明来源钻瓜专利网。