[發明專利]特征點檢測方法、設備和計算機可讀存儲介質

有效

• 申請號: 201710003459.0
• 申請日: 2017-01-03
• 公開（公告）號: CN108268885B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 孫蒙蒙;李正龍
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 黃亮

1.一種使用卷積神經網絡“CNN”來檢測圖像中的特征點的方法，包括：

使用所述CNN中的第一類卷積層來處理所述圖像的數據，以生成第一處理數據，所述第一類卷積層包括針對同一輸入數據的不同感受野具有非共享權值的卷積核；

使用所述CNN中的第二類卷積層來處理所述第一處理數據，以生成第二處理數據，所述第二類卷積層包括針對同一輸入數據的不同感受野具有共享權值的卷積核；以及

基于所述第二處理數據來確定所述圖像中的特征點。

2.根據權利要求1所述的方法，其中，所述CNN中在前的第一類卷積層的卷積核的大小大于等于在后的第一類卷積層的卷積核的大小，以及所述CNN中在前的第一類卷積層的卷積核的數量小于等于在后的第一類卷積層的卷積核的數量。

3.根據權利要求1所述的方法，其中，所述第一類卷積層的數量為3～5層。

4.根據權利要求3所述的方法，其中，所述CNN中包括4個第一類卷積層，分別為包括20個4x4卷積核、40個3x3卷積核、60個3x3卷積核、和80個2x2卷積核。

5.根據權利要求1所述的方法，其中，所述第二類卷積層的數量為3～7層。

6.根據權利要求5所述的方法，其中，所述CNN中包括5個第二類卷積層，分別為包括80個3x3卷積核、80個3x3卷積核、80個3x3卷積核、80個2x2卷積核、和80個2x2卷積核。

7.根據權利要求1所述的方法，其中，在所述CNN中，所述第一類卷積層在所述第二類卷積層之前。

8.根據權利要求1所述的方法，其中，基于所述第二處理數據來確定所述圖像中的特征點的步驟還包括：

使用所述CNN中的第三類卷積層來處理所述第二處理數據，以生成第三處理數據，所述第三類卷積層是全連接卷積層；以及

基于所述第三處理數據來確定所述圖像中的特征點。

9.根據權利要求1所述的方法，其中，緊接在每個所述第一類卷積層和/或每個所述第二類卷積層之后，所述CNN還包括激活層，所述激活層采用以下各激活函數之一：Sigmoid函數、雙曲正切函數、和/或糾正線性單元“ReLU”函數。

10.根據權利要求1所述的方法，其中，緊接在每個所述第一類卷積層和/或每個所述第二類卷積層之后，所述CNN還包括池化層，所述池化層采用以下各池化函數之一：最大池化函數和/或平均池化函數。

11.根據權利要求1所述的方法，其中，所述CNN是使用隨機梯度下降法“SGD”來訓練的。

12.根據權利要求11所述的方法，其中，初始學習速率為10^-2。

13.根據權利要求11所述的方法，其中，所述CNN中的各卷積層的初始權重值是使用以0為平均值且方差為0.01的高斯隨機數來初始化的。

14.一種使用卷積神經網絡“CNN”來檢測圖像中的特征點的設備，包括：

第一卷積處理單元，用于使用所述CNN中的第一類卷積層來處理所述圖像的數據，以生成第一處理數據，所述第一類卷積層包括針對同一輸入數據的不同感受野具有非共享權值的卷積核；

第二卷積處理單元，用于使用所述CNN中的第二類卷積層來處理所述第一處理數據，以生成第二處理數據，所述第二類卷積層包括針對同一輸入數據的不同感受野具有共享權值的卷積核；以及

特征點確定單元，用于基于所述第二處理數據來確定所述圖像中的特征點。

15.一種存儲指令的計算機可讀存儲介質，當所述指令在由計算機執行時，使得所述計算機：

使用卷積神經網絡“CNN”中的第一類卷積層來處理圖像的數據，以生成第一處理數據，所述第一類卷積層包括針對同一輸入數據的不同感受野具有非共享權值的卷積核；

使用所述CNN中的第二類卷積層來處理所述第一處理數據，以生成第二處理數據，所述第二類卷積層包括針對同一輸入數據的不同感受野具有共享權值的卷積核；以及

基于所述第二處理數據來確定所述圖像中的特征點。