[發(fā)明專利]對(duì)象分析方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110461699.1
• 申請(qǐng)日: 2021-04-27
• 公開（公告）號(hào): CN113159200B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設(shè)計(jì)）人: 丁鑫;肖瀟;付馬;孟祥昊
• 申請(qǐng)（專利權(quán)）人: 蘇州科達(dá)科技股份有限公司
• 主分類號(hào): G06V10/774
• 分類號(hào): G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州謹(jǐn)和知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32295
• 代理人: 葉棟

本申請(qǐng)涉及一種對(duì)象分析方法、裝置及存儲(chǔ)介質(zhì)，屬于計(jì)算機(jī)技術(shù)領(lǐng)域，該方法包括：通過獲取目標(biāo)圖像；將目標(biāo)圖像輸入預(yù)先訓(xùn)練的圖像識(shí)別模型，得到目標(biāo)圖像的對(duì)象分析結(jié)果，對(duì)象分析結(jié)果包括目標(biāo)對(duì)象位置信息、目標(biāo)對(duì)象關(guān)鍵點(diǎn)信息和目標(biāo)對(duì)象屬性信息；可以解決現(xiàn)有的目標(biāo)檢測算法無法實(shí)現(xiàn)速度和精確度同時(shí)提升的問題；使用融合方式使得獲得的特征層包含的信息更加豐富全面，在提高識(shí)別不同尺度目標(biāo)敏感度的同時(shí)，提高了檢測的準(zhǔn)確率；深度可分離卷積的使用可以加快特征層融合部分的推理時(shí)間；融合屬性分析功能，使一個(gè)模型同時(shí)擁有了目標(biāo)檢測、關(guān)鍵點(diǎn)預(yù)測以及屬性輸出的3個(gè)功能，既減小了3個(gè)功能的顯存占用率，又提高了其在系統(tǒng)中的運(yùn)行速率。

【技術(shù)領(lǐng)域】

本申請(qǐng)涉及一種對(duì)象分析方法、裝置及存儲(chǔ)介質(zhì)，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。

【背景技術(shù)】

隨著人工智能技術(shù)的發(fā)展，越來越多的目標(biāo)檢測算法應(yīng)運(yùn)而生。如anchor-free系列算法等。

anchor-free系列算法避免了錨框的預(yù)設(shè)定，減少了大量的相關(guān)計(jì)算，使得其內(nèi)存占用率和速度都有明顯提高。而且沒有錨框的預(yù)先設(shè)定，預(yù)測框是在整個(gè)特征圖范圍內(nèi)回歸目標(biāo)位置，適用于各種形狀尺寸的目標(biāo)對(duì)象的檢測。

然而，現(xiàn)有的目標(biāo)檢測算法在提升算法速度的同時(shí)，會(huì)降低算法精度，導(dǎo)致目標(biāo)檢測結(jié)果不準(zhǔn)確的問題。

【發(fā)明內(nèi)容】

本申請(qǐng)?zhí)峁┝艘环N對(duì)象分析方法、裝置及存儲(chǔ)介質(zhì)，可以解決現(xiàn)有的目標(biāo)檢測算法無法實(shí)現(xiàn)速度和精確度同時(shí)提升的問題。本申請(qǐng)?zhí)峁┤缦录夹g(shù)方案：

第一方面，提供一種對(duì)象分析方法，所述方法包括：

獲取目標(biāo)圖像；

將所述目標(biāo)圖像輸入預(yù)先訓(xùn)練的圖像識(shí)別模型，得到所述目標(biāo)圖像的對(duì)象分析結(jié)果，所述對(duì)象分析結(jié)果包括目標(biāo)對(duì)象位置信息、目標(biāo)對(duì)象關(guān)鍵點(diǎn)信息和目標(biāo)對(duì)象屬性信息；

其中，圖像識(shí)別模型包括主干網(wǎng)絡(luò)、與所述主干網(wǎng)絡(luò)相連的第一網(wǎng)絡(luò)分支和第二網(wǎng)絡(luò)分支；

所述主干網(wǎng)絡(luò)包括依次相連的m層特征提取層，以提取多尺寸特征圖；所述m層特征提取層中的n層指定特征提取層分別采用深度可分離卷積調(diào)整特征圖的通道尺寸，并將淺層特征與深層特征融合；所述m為大于1的整數(shù)，所述n為小于1且小于或等于m的整數(shù)。

可選地，所述第一網(wǎng)絡(luò)分支與第m層特征提取層相連，并用于根據(jù)所述第m層特征提取層輸出的特征圖提取所述目標(biāo)對(duì)象屬性信息；

所述第二網(wǎng)絡(luò)分支與第1層指定特征提取層相連，且所述第二網(wǎng)絡(luò)分支包括第一子分支、第二子分支和第三子分支；所述第一子分支用于根據(jù)所述第1層指定特征提取層的輸出數(shù)據(jù)計(jì)算目標(biāo)對(duì)象的中心點(diǎn)；所述第二子分支用于根據(jù)所述第1層指定特征提取層的輸出數(shù)據(jù)進(jìn)行所述目標(biāo)對(duì)象的寬高回歸；所述第三子分支用于根據(jù)所述第1層指定特征提取層的輸出數(shù)據(jù)檢測所述目標(biāo)對(duì)象的關(guān)鍵點(diǎn)。

可選地，對(duì)于所述n層指定特征提取層中的第k層指定特征提取層，

在k＝n的情況下，所述第k層指定特征提取層得到特征圖后，采用深度可分離卷積對(duì)所述特征圖的通道尺寸進(jìn)行更新；對(duì)更新后的特征圖進(jìn)行上采樣，得到第n-1層指定特征提取層對(duì)應(yīng)的上采樣后的特征圖；

在1＜k＜n的情況下，所述第k層指定特征提取層得到特征圖后，采用深度可分離卷積對(duì)所述特征圖的通道尺寸進(jìn)行更新；將更新后的特征圖與第k層對(duì)應(yīng)的上采樣后的特征圖進(jìn)行按照通道進(jìn)行拼接；對(duì)拼接后的特征圖使用深度可分離卷積進(jìn)行通道調(diào)整；對(duì)調(diào)整后的特征圖進(jìn)行上采樣，得到第k-1層指定特征提取層對(duì)應(yīng)的上采樣后的特征圖；

在k＝1的情況下，所述第1層指定特征提取層得到特征圖后，采用深度可分離卷積對(duì)所述特征圖的通道尺寸進(jìn)行更新；將更新后的特征圖與第1層對(duì)應(yīng)的上采樣后的特征圖進(jìn)行按照通道進(jìn)行拼接；對(duì)拼接后的特征圖使用深度可分離卷積進(jìn)行通道調(diào)整；調(diào)整后的特征圖為所述第1層指定特征提取層的輸出數(shù)據(jù)。