[發明專利]圖像處理方法、裝置及電子設備

在審

• 申請號: 202110037875.9
• 申請日: 2021-01-12
• 公開（公告）號: CN114764822A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 馬澤;高從文
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團有限公司;中移動信息技術有限公司
• 主分類號: G06T7/50
• 分類號: G06T7/50;G06T7/90;G06N3/02;G06K9/62;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

本申請提供一種圖像處理方法、裝置及電子設備，其中，方法包括：獲取第一圖像的第一圖像信息，第一圖像信息包括第一圖像的第一彩色圖像信息和第一深度圖像信息。基于第一圖像信息，確定圖神經網絡算法模型。獲取待處理圖像的第二圖像信息，第二圖像信息包括待處理圖像的第二彩色圖像信息和第二深度圖像信息。利用圖神經網絡算法模型對第二圖像信息進行檢測，并輸出待處理圖像的目標檢測結果和語義分割結果。本申請實施例中，利用圖神經網絡算法模型對待處理圖像的信息進行檢測，得到目標檢測結果和語義分割結果。只需開發一種算法模型即圖神經網絡算法模型，即可完成目標檢測和語義分割，降低了計算參數的數量，提高了算法模型的計算效率。

技術領域

本申請涉及圖像處理方法領域，尤其涉及一種圖像處理方法、裝置及電子設備。

背景技術

在越來越多的應用場景(例如智能安保、智慧校園、智慧工地)中，需要對圖像進行目標檢測和語義分割。

現有技術中，為了對圖像中的內容進行目標檢測和語義分割，通常使用傳統機器學習方法(例如貝葉斯理論、期望最大算法)或卷積神經網絡CNN進行算法建模，并且需要分別開發兩種算法模型來分別完成目標檢測和語義分割這兩個任務。這種方法計算參數的數量較多，算法模型的計算效率較低。

申請內容

本申請實施例提供一種圖像處理方法、裝置及電子設備，降低了計算參數的數量，提高了算法模型的計算效率。

為達到上述目的，第一方面，本申請實施例提供一種圖像處理方法，所述方法，包括：

獲取第一圖像的第一圖像信息，所述第一圖像信息包括所述第一圖像的第一彩色圖像信息和第一深度圖像信息；

基于所述第一圖像信息，確定圖神經網絡算法模型；

獲取待處理圖像的第二圖像信息，所述第二圖像信息包括所述待處理圖像的第二彩色圖像信息和第二深度圖像信息；

利用所述圖神經網絡算法模型對所述第二圖像信息進行檢測，并輸出所述待處理圖像的目標檢測結果和語義分割結果。

可選的，所述基于所述第一圖像信息，確定圖神經網絡算法模型，包括：

建立初始圖神經網絡算法模型；

基于所述第一圖像信息，確定第一圖像的三維點云信息和邊信息；

基于所述三維點云信息和所述邊信息，確定輸入圖；

依據所述輸入圖對所述初始圖神經網絡算法模型訓練，得到所述圖神經網絡算法模型。

可選的，所述三維點云包括多個三維節點，所述依據所述輸入圖對所述初始圖神經網絡算法模型訓練，得到所述圖神經網絡算法模型，包括：

利用所述初始圖神經網絡算法模型對所述輸入圖進行檢測，得到所述三維節點所屬類別的初始概率值；

根據柔性最大值傳輸函數Softmax函數和所述初始概率值，確定所述第一圖像的初始語義分割結果；

利用所述初始圖神經網絡算法模型對所述輸入圖進行檢測，得到所述三維點的初始目標檢測框；

根據非最大抑制法和所述初始目標檢測框，確定所述第一圖像的初始目標檢測結果；

根據所述初始語義分割結果、所述初始目標檢測結果、所述第一圖像的實際語義分割結果和目標檢測結果，調整所述初始圖神經網絡算法模型的參數，得到所述圖神經網絡算法模型。

可選的，所述輸入圖包括N×F的特征矩陣X和N×N鄰接矩陣A，所述鄰接矩陣A與所述邊信息對應；

其中，N為三維點云的數量，F為特征向量的數量。