[發明專利]基于深度學習的定位方法及裝置

在審

• 申請號: 201910377066.5
• 申請日: 2019-05-07
• 公開（公告）號: CN110110731A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 謝東榮;王占奎;馮清;田建方;謝成利;周創佳;譚勇;梁承恩
• 申請（專利權）人: 中建鋼構有限公司;中建鋼構廣東有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 楊勛

1.一種基于深度學習的定位方法，其特征在于，所述方法包括：

獲取待處理圖像的高分辨率圖像，在所述高分辨率圖像上通過卷積神經網絡提取待識別目標的完整輪廓，通過第一矩形框標識出所述待識別目標的完整輪廓；

獲取所述待處理圖像的低分辨率圖像，在所述低分辨率圖像上通過卷積神經網絡提取待識別目標的多個部分輪廓，通過多個第二矩形框標識出所述待識別目標的多個部分輪廓；

對所述待識別目標的多個部分輪廓進行處理，對待識別目標進行精確定位。

2.根據權利要求1所述的方法，其特征在于，在獲取待處理圖像的高分辨率圖像之前，所述方法還包括：

創建卷積神經網絡。

3.根據權利要求2所述的方法，其特征在于，所述對所述待識別目標的多個部分輪廓進行處理，對待識別目標進行精確定位，包括：

在所述待處理圖像中搜索包含待識別目標的邊界區域；

根據搜索到的包含待識別目標的邊界區域進一步更新標識所述待識別目標的第一矩形框的位置或尺寸。

4.根據權利要求3所述的方法，其特征在于，所述在所述待處理圖像中搜索包含待識別目標的邊界區域，包括：

獲取所述待處理圖像的多個二進制掩碼，其中，所述多個二進制掩碼包括所述待識別目標完整輪廓的第一掩碼及所述待識別目標的多個部分輪廓的第二掩碼；

通過所述第二掩碼及第二矩形框的坐標計算所述待識別目標被所述邊界區域包含的比例值；

通過所述比例值計算所述邊界區域與所述第二掩碼的重疊度；

若所述重疊度高于預設值，則視為所述邊界區域包含所述待識別目標。

5.根據權利要求4所述的方法，其特征在于，所述卷積神經網絡包括一個輸入層、一個輸出層、多個卷積層、多個池化層及多個全連接層；

所述多個卷積層設置在所述輸入層之后；

所述池化層設置在所述多個卷積層之間，所述全連接層設置在所述卷積層之后；

所述輸出層設置在所述全連接層之后；

所述卷積神經網絡的每一層之間采用修正線性單元作為激活函數。

6.一種基于深度學習的定位裝置，其特征在于，所述裝置包括：

第一提取模塊，用于獲取待處理圖像的高分辨率圖像，在所述高分辨率圖像上通過卷積神經網絡提取待識別目標的完整輪廓，通過第一矩形框標識出所述待識別目標的完整輪廓；

第二提取模塊，用于獲取所述待處理圖像的低分辨率圖像，在所述低分辨率圖像上通過卷積神經網絡提取待識別目標的多個部分輪廓，通過多個第二矩形框標識出所述待識別目標的多個部分輪廓；

定位模塊，用于對所述待識別目標的多個部分輪廓進行處理，對待識別目標進行精確定位。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

創建模塊，用于創建卷積神經網絡。

8.根據權利要求6所述的裝置，其特征在于，所述定位模塊具體用于：

在所述待處理圖像中搜索包含待識別目標的邊界區域；

根據搜索到的包含待識別目標的邊界區域進一步更新標識所述待識別目標的第一矩形框的位置或尺寸。

9.根據權利要求8所述的裝置，其特征在于，所述在所述待處理圖像中搜索包含待識別目標的邊界區域，包括：

獲取所述待處理圖像的多個二進制掩碼，其中，所述多個二進制掩碼包括所述待識別目標完整輪廓的第一掩碼及所述待識別目標的多個部分輪廓的第二掩碼；

通過所述第二掩碼及第二矩形框的坐標計算所述待識別目標被所述邊界區域包含的比例值；

通過所述比例值計算所述邊界區域與所述第二掩碼的重疊度；

若所述重疊度高于預設值，則視為所述邊界區域包含所述待識別目標。

10.根據權利要求9所述的裝置，其特征在于，所述卷積神經網絡包括一個輸入層、一個輸出層、多個卷積層、多個池化層及多個全連接層；

所述多個卷積層設置在所述輸入層之后；

所述池化層設置在所述多個卷積層之間，所述全連接層設置在所述卷積層之后；

所述輸出層設置在所述全連接層之后；

所述卷積神經網絡的每一層之間采用修正線性單元作為激活函數。