[發(fā)明專利]用于生成近紅外圖像的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810264231.1
• 申請(qǐng)日: 2018-03-28
• 公開（公告）號(hào): CN108509892B
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計(jì)）人: 何濤
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G06V10/774
• 分類號(hào): G06V10/774;G06V10/764;G06V40/16;G06K9/62
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種用于生成近紅外圖像的方法，包括：

獲取包含目標(biāo)對(duì)象的可見光圖像；

將所述可見光圖像輸入至預(yù)先訓(xùn)練的近紅外圖像生成模型，得到包含目標(biāo)對(duì)象的近紅外圖像，其中，所述近紅外圖像生成模型基于多個(gè)包含目標(biāo)對(duì)象的可見光圖像、多個(gè)包含目標(biāo)對(duì)象的近紅外圖像以及預(yù)先建立的生成對(duì)抗網(wǎng)絡(luò)和初始分類模型訓(xùn)練得到，所述近紅外圖像生成模型用于表征包含目標(biāo)對(duì)象的可見光圖像和包含目標(biāo)對(duì)象的近紅外圖像之間的對(duì)應(yīng)關(guān)系，所述初始分類模型用于對(duì)輸入的近紅外圖像進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述近紅外圖像生成模型通過以下步驟訓(xùn)練得到：

獲取多個(gè)包含目標(biāo)對(duì)象的可見光圖像和多個(gè)包含目標(biāo)對(duì)象的近紅外圖像；

獲取預(yù)先建立的生成對(duì)抗網(wǎng)絡(luò)，其中，所述生成對(duì)抗網(wǎng)絡(luò)包括生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，所述生成網(wǎng)絡(luò)用于表征包含目標(biāo)對(duì)象的可見光圖像和包含目標(biāo)對(duì)象的近紅外圖像之間的對(duì)應(yīng)關(guān)系，所述判別網(wǎng)絡(luò)用于確定所輸入的圖像是生成的近紅外圖像還是真實(shí)的近紅外圖像；

基于所述多個(gè)包含目標(biāo)對(duì)象的可見光圖像和所述多個(gè)包含目標(biāo)對(duì)象的近紅外圖像，利用機(jī)器學(xué)習(xí)方法，對(duì)所述生成網(wǎng)絡(luò)和所述判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練后的所述生成網(wǎng)絡(luò)確定為近紅外圖像生成模型。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述基于所述多個(gè)包含目標(biāo)對(duì)象的可見光圖像和所述多個(gè)包含目標(biāo)對(duì)象的近紅外圖像，利用機(jī)器學(xué)習(xí)方法，對(duì)所述生成網(wǎng)絡(luò)和所述判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練后的所述生成網(wǎng)絡(luò)確定為近紅外圖像生成模型，包括：

對(duì)于所述多個(gè)包含目標(biāo)對(duì)象的可見光圖像中的包含目標(biāo)對(duì)象的可見光圖像，固定所述生成網(wǎng)絡(luò)的參數(shù)，將該包含目標(biāo)對(duì)象的可見光圖像作為所述生成網(wǎng)絡(luò)的輸入，將所述生成網(wǎng)絡(luò)輸出的圖像作為所述判別網(wǎng)絡(luò)的輸入，得到與該包含目標(biāo)對(duì)象的可見光圖像對(duì)應(yīng)的判別結(jié)果；基于所得到的判別結(jié)果與負(fù)樣本標(biāo)識(shí)之間的差異，利用機(jī)器學(xué)習(xí)方法對(duì)所述判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，負(fù)樣本標(biāo)識(shí)用于表征所述判別網(wǎng)絡(luò)的輸入圖像為生成的近紅外圖像。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述基于所述多個(gè)包含目標(biāo)對(duì)象的可見光圖像和所述多個(gè)包含目標(biāo)對(duì)象的近紅外圖像，利用機(jī)器學(xué)習(xí)方法，對(duì)所述生成網(wǎng)絡(luò)和所述判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練后的所述生成網(wǎng)絡(luò)確定為近紅外圖像生成模型，還包括：

對(duì)于所述多個(gè)包含目標(biāo)對(duì)象的近紅外圖像中的包含目標(biāo)對(duì)象的近紅外圖像，將該包含目標(biāo)對(duì)象的近紅外圖像作為所述判別網(wǎng)絡(luò)的輸入，得到與該包含目標(biāo)對(duì)象的近紅外圖像對(duì)應(yīng)的判別結(jié)果；基于所得到的判別結(jié)果和正樣本標(biāo)識(shí)之間的差異，利用機(jī)器學(xué)習(xí)方法對(duì)所述判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，正樣本標(biāo)識(shí)用于表征所述判別網(wǎng)絡(luò)的輸入圖像為真實(shí)的近紅外圖像。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述基于所述多個(gè)包含目標(biāo)對(duì)象的可見光圖像和所述多個(gè)包含目標(biāo)對(duì)象的近紅外圖像，利用機(jī)器學(xué)習(xí)方法，對(duì)所述生成網(wǎng)絡(luò)和所述判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練后的所述生成網(wǎng)絡(luò)確定為近紅外圖像生成模型，還包括：

獲取預(yù)先建立的初始分類模型；

對(duì)于所述多個(gè)包含目標(biāo)對(duì)象的可見光圖像中的包含目標(biāo)對(duì)象的可見光圖像，將該包含目標(biāo)對(duì)象的可見光圖像輸入所述生成網(wǎng)絡(luò)，將所述生成網(wǎng)絡(luò)輸出的圖像輸入所述初始分類模型，得到該包含目標(biāo)對(duì)象的可見光圖像對(duì)應(yīng)的分類結(jié)果；基于所得到的分類結(jié)果與類別標(biāo)注之間的差異，對(duì)所述生成網(wǎng)絡(luò)和初始分類模型進(jìn)行訓(xùn)練，其中，類別標(biāo)注用于表征包含目標(biāo)對(duì)象的可見光圖像中的目標(biāo)對(duì)象的類別。

6.一種用于生成近紅外圖像的裝置，包括:

獲取單元，配置用于獲取包含目標(biāo)對(duì)象的可見光圖像；

近紅外圖像生成單元，配置用于將所述可見光圖像輸入至預(yù)先訓(xùn)練的近紅外圖像生成模型，得到包含目標(biāo)對(duì)象的近紅外圖像，其中，所述近紅外圖像生成模型基于多個(gè)包含目標(biāo)對(duì)象的可見光圖像、多個(gè)包含目標(biāo)對(duì)象的近紅外圖像以及預(yù)先建立的生成對(duì)抗網(wǎng)絡(luò)和初始分類模型訓(xùn)練得到，所述近紅外圖像生成模型用于表征包含目標(biāo)對(duì)象的可見光圖像和包含目標(biāo)對(duì)象的近紅外圖像之間的對(duì)應(yīng)關(guān)系，所述初始分類模型用于對(duì)輸入的近紅外圖像進(jìn)行分類。