[發(fā)明專利]模型采樣方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011185071.5
• 申請日: 2020-10-30
• 公開（公告）號: CN112308138A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計(jì)）人: 梅棟
• 申請（專利權(quán)）人: 中國平安財(cái)產(chǎn)保險(xiǎn)股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳國新南方知識產(chǎn)權(quán)代理有限公司 44374
• 代理人: 周雷

1.一種模型采樣方法，其特征在于，包括：

獲取低分辨率圖像；其中，所述低分辨率圖像包括多個(gè)特征通道；

對所述多個(gè)特征通道進(jìn)行均勻分組，得到多組待測圖像；

將每組所述待測圖像輸入至預(yù)先訓(xùn)練好的注意力模型中，得到每組所述待測圖像對應(yīng)的權(quán)重圖像；

采用每組所述待測圖像對應(yīng)的權(quán)重圖像對每組所述待測圖像進(jìn)行不均勻采樣處理，得到每組所述待測圖像對應(yīng)的顯著圖像；

對多個(gè)所述顯著圖像進(jìn)行融合處理，得到待分類圖像；

將所述待分類圖像輸入至分類網(wǎng)絡(luò)中進(jìn)行分類。

2.如權(quán)利要求1所述模型采樣方法，其特征在于，所述獲取低分辨率圖像，包括：

獲取高分辨率圖像；

對所述高分辨率圖像均勻采樣處理，得到所述低分辨率圖像。

3.如權(quán)利要求1所述模型采樣方法，其特征在于，所述分類網(wǎng)絡(luò)對應(yīng)一任務(wù)類型；

所述對多個(gè)所述顯著圖像進(jìn)行融合處理，得到待分類圖像，包括：

采用與所述任務(wù)類型對應(yīng)的融合方式，對多個(gè)所述顯著圖像進(jìn)行融合處理，得到待分類圖像。

4.如權(quán)利要求3所述模型采樣方法，其特征在于，所述采用與所述任務(wù)類型對應(yīng)的融合方式，對多個(gè)所述顯著圖像進(jìn)行融合處理，得到待分類圖像，包括：

若所述任務(wù)類型為目標(biāo)檢測任務(wù)，則對所述多個(gè)顯著圖像進(jìn)行取均值處理，得到所述待分類圖像；

若所述任務(wù)類型為分類任務(wù)，則對所述所述多個(gè)顯著圖像進(jìn)行取極值處理，得到所述待分類圖像。

5.如權(quán)利要求1所述模型采樣方法，其特征在于，所述注意力模型包括全局池化層、第一全連接層、第二全連接層、第一非線性變換層以及第二非線性變換層；

所述將每組所述待測圖像輸入至預(yù)先訓(xùn)練好的注意力模型中，得到每組所述待測圖像對應(yīng)的權(quán)重圖像，包括：

將每組所述待測圖像輸入至所述全局池化層中進(jìn)行全局池化處理，得到池化后的每組所述待測圖像對應(yīng)的池化圖像；

將所述池化圖像輸入至所述第一全連接層進(jìn)行降維，得到第一圖像；

將所述第一圖像輸入至第一非線性變換層進(jìn)行處理，得到第二圖像；

將所述第二圖像輸入至所述第二全連接層進(jìn)行升維，得到第三圖像，以使所述第三圖像的特征通道數(shù)與所述池化圖像的特征通道數(shù)相同；

將所述第三圖像輸入至第二非線性變換層進(jìn)行處理，得到每組所述待測圖像對應(yīng)的權(quán)重圖像。

6.如權(quán)利要求1所述模型采樣方法，其特征在于，在所述將每組所述待測圖像輸入至預(yù)先訓(xùn)練好的注意力模型中，得到每組所述待測圖像對應(yīng)的權(quán)重圖像之后，且在所述采用每組所述待測圖像對應(yīng)的權(quán)重圖像對每組所述待測圖像進(jìn)行不均勻采樣處理，得到每組所述待測圖像對應(yīng)的顯著圖像的步驟之前，所述模型采樣方法還包括：

采用高斯核對所述權(quán)重圖像進(jìn)行平滑處理，得到每組所述待測圖像對應(yīng)的更新后的權(quán)重圖像。

7.一種模型采樣裝置，其特征在于，包括：

低分辨率圖像獲取模塊，用于獲取低分辨率圖像；其中，所述低分辨率圖像包括多個(gè)特征通道；

通道分組模塊，用于對所述多個(gè)特征通進(jìn)行均勻分組，得到多組待測圖像；

注意力處理模塊，用于將每組所述待測圖像輸入至預(yù)先訓(xùn)練好的注意力模型中，得到每組所述待測圖像對應(yīng)的權(quán)重圖像；

不均勻采樣模塊，用于采用每組所述待測圖像對應(yīng)的權(quán)重圖像對每組所述待測圖像進(jìn)行不均勻采樣處理，得到每組所述待測圖像對應(yīng)的顯著圖像；

圖像融合模塊，用于對多個(gè)所述顯著圖像進(jìn)行融合處理，得到待分類圖像；

圖像分類模塊，用于將所述待分類圖像輸入至分類網(wǎng)絡(luò)中進(jìn)行分類。

8.如權(quán)利要求7所述模型采樣裝置，其特征在于，所述模型采樣裝置還包括：

高斯平滑模塊，用于采用高斯核對所述權(quán)重圖像進(jìn)行平滑處理，得到每組所述待測圖像對應(yīng)的更新后的權(quán)重圖像。