[发明专利]数据处理方法、模型训练方法、装置、设备和存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

接收包含目标对象的待识别图像以及所述待识别图像对应的深度图像，所述深度图像由硬件设备采集；

提取所述待识别图像的第一图像特征以及所述深度图像的多个深度信息；

将所述多个深度信息中的第一目标信息和第二目标信息输入计数模型中的变换网络，以得到第一处理结果和第二处理结果；

将所述第一处理结果和所述第一图像特征输入所述变换网络的第一变换层，以由所述第一变换层将所述第一处理结果作为变换参数对所述第一图像特征进行线性变换，得到第三图像特征；

将所述第三图像特征和所述第二处理结果输入所述变换网络的第二变换层，以由所述第二变换层将所述第二处理结果作为变换参数对所述第三图像特征果进行线性变换，得到第二图像特征；

根据所述第二图像特征，生成反映所述目标对象数量的密度图。

2.根据权利要求1所述的方法，其特征在于，所述提取所述待识别图像的第一图像特征以及所述深度图像的深度信息，包括：

将所述待识别图像输入计数模型，以由所述计数模型中的主干网络提取所述第一图像特征；

将所述深度图像输入所述计数模型，以由所述计数模型中的卷积网络对所述深度图像进行卷积计算，获得所述深度信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述多个深度信息中第一目标信息和第二目标信息输入计数模型中的变换网络，以得到第一处理结果和第二处理结果，包括：

将所述多个深度信息中的第一目标信息和第二目标信息输入计数模型中的变换网络，以由所述变换网络中的预设激活函数分别对所述第一目标信息和所述第二目标信息进行归一化处理，得到第一处理结果和第二处理结果。

4.根据权利要求2所述的方法，其特征在于，所述计数模型还包括与所述变换网络间隔设置的卷积网络，由所述变换网络和所述卷积网络构成残差网络。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于用户对所述密度图触发的选择操作，输出所述用户选中的目标区域内所述目标对象的数量。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

接收用户输入的、包含所述目标对象的图像样本以及所述图像样本对应的深度图像；

将所述图像样本以及所述图像样本对应的深度图像输入计数模型，以由所述计数模型提取所述图像样本的第四图像特征以及所述图像样本对应的深度图像的深度信息，由所述计数模型根据所述图像样本对应的深度图像的深度信息对所述第四图像特征进行特征变换；

根据变换结果，调整所述计数模型的参数，以实现所述计数模型的训练。

7.一种数据处理方法，其特征在于，包括：

响应于用户的输入操作，接收包含目标对象的待识别图像以及所述待识别图像对应的深度图像，所述深度图像由硬件设备采集；

提取所述待识别图像的第一图像特征以及所述深度图像的多个深度信息；

将所述多个深度信息中的第一目标信息和第二目标信息输入计数模型中的变换网络，以得到第一处理结果和第二处理结果；

将所述第一处理结果和所述第一图像特征输入所述变换网络的第一变换层，以由所述第一变换层将所述第一处理结果作为变换参数对所述第一图像特征进行线性变换，得到第三图像特征；

将所述第三图像特征和所述第二处理结果输入所述变换网络的第二变换层，以由所述第二变换层将所述第二处理结果作为变换参数对所述第三图像特征果进行线性变换，得到第二图像特征；

根据所述第二图像特征，生成反映所述目标对象数量的密度图；

展示所述密度图。