圖像的感興趣目標計數模型的訓練方法和裝置

本申請涉及圖像處理、計算機視覺、人工智能，尤其涉及一種圖像的感興趣目標計數模型的訓練方法和裝置。

背景技術：

1、目標計數是計算機視覺中的一個重要研究領域，主要目的是從圖像中推理任意感興趣目標的總數目，在安防監控、生物信息、智慧交通等領域具有重要的應用價值。現有的目標計數方法通常專注于特定類別的對象的數目統計，例如行人、車輛、細胞等，當面對新的物體類別時，往往需要重復數據搜集、數據標注、訓練的步驟，計數的時效性較差。

技術實現思路

1、本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

2、為此，本申請的第一個目的在于提出一種圖像的感興趣目標計數模型的訓練方法和圖像的處理方法，以實現對圖像中任意類別的感興趣目標進行計數。

3、本申請的第二個目的在于提出一種圖像的感興趣目標計數模型的訓練裝置和圖像的處理裝置。

4、本申請的第三個目的在于提出一種電子設備。

5、本申請的第四個目的在于提出一種計算機可讀存儲介質。

6、本申請的第五個目的在于提出一種計算機程序產品。

7、為達上述目的，本申請第一方面實施例提出了一種圖像的感興趣目標計數模型的訓練方法，包括：獲取樣本圖像，以及所述樣本圖像中感興趣目標的參考密度分布圖和參考分割圖像，并從所述樣本圖像中截取感興趣目標的標記圖像；基于所述標記圖像，對所述樣本圖像進行特征提取，得到第一特征集合和第二特征集合，其中所述第一特征集合包括與所述感興趣目標相關的第一初始特征，所述第二特征集合包括與所述感興趣目標無關的第二初始特征；將所述標記圖像、所述樣本圖像、所述第一特征集合和所述第二特征集合輸入初始的第一目標計數模型中，輸出所述樣本圖像的預測密度分布圖和前景分割圖像；基于所述前景分割圖像、所述參考分割圖像、所述預測密度分布圖和所述參考密度分布圖，對所述第一目標計數模型進行調整并繼續訓練，直至訓練結束得到訓練好的第二目標計數模型。

8、為達上述目的，本申請第一方面實施例提出了一種圖像的處理方法，包括：獲取待計數圖像和所述待計數圖像中感興趣目標的一個或多個標記圖像；將所述待計數圖像、所述標記圖像輸入至預訓練的第二目標計數模型中，得到所述待計數圖像中感興趣目標的密度分布圖。

9、為達上述目的，本申請第二方面實施例提出了一種圖像的感興趣目標計數模型的訓練裝置，包括：獲取模塊，用于獲取樣本圖像，以及所述樣本圖像中感興趣目標的參考密度分布圖和參考分割圖像，并從所述樣本圖像中截取感興趣目標的標記圖像；提取模塊，用于基于所述標記圖像，對所述樣本圖像進行特征提取，得到第一特征集合和第二特征集合，其中所述第一特征集合包括與所述感興趣目標相關的第一初始特征，所述第二特征集合包括與所述感興趣目標無關的第二初始特征；預測模塊，用于將所述標記圖像、所述樣本圖像、所述第一特征集合和所述第二特征集合輸入初始的第一目標計數模型中，輸出所述樣本圖像的預測密度分布圖和前景分割圖像；調整模塊，用于基于所述前景分割圖像、所述參考分割圖像、所述預測密度分布圖和所述參考密度分布圖，對所述第一目標計數模型進行調整并繼續訓練，直至訓練結束得到訓練好的第二目標計數模型。

10、為達上述目的，本申請第二方面實施例提出了一種圖像的處理裝置，包括：獲取模塊，用于獲取待計數圖像和所述待計數圖像中感興趣目標的一個或多個標記圖像；處理模塊，用于將所述待計數圖像、所述標記圖像輸入至預訓練的第二目標計數模型中，得到所述待計數圖像中感興趣目標的密度分布圖。

11、為達上述目的，本申請第三方面實施例提出了一種電子設備，包括：處理器；以及與所述處理器通信連接的存儲器；所述存儲器存儲計算機執行指令；所述處理器執行所述存儲器存儲的計算機執行指令，以使所述處理器能夠執行上述第一方面實施例所述的圖像的感興趣目標計數模型的訓練方法、圖像的處理方法。

12、為達上述目的，本申請第四方面實施例提出了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機指令用于使所述計算機執行上述第一方面實施例所述的圖像的感興趣目標計數模型的訓練方法、圖像的處理方法。

13、為達上述目的，本申請第五方面實施例提出了一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現上述第一方面實施例所述的圖像的感興趣目標計數模型的訓練方法、圖像的處理方法。

14、本申請提供的圖像的感興趣目標計數模型的訓練方法和裝置，通過獲取樣本圖像，并從樣本圖像中截取感興趣目標的標記圖像，進而可以基于標記圖像，從樣本圖像中提取與感興趣目標相關的第一初始特征、與感興趣目標無關的第二初始特征。進一步，基于標記圖像、樣本圖像、第一特征集合和第二特征集合，對初始的第一目標計數模型進行訓練，在第一特征集合和第二特征集合的提示下，引導模型識別背景噪聲并直接學習到與感興趣目標相關的圖像特征，提高了模型的學習效率。根據第一目標計數模型輸出的預測密度分布圖、前景分割圖像，以及參考密度分布圖和參考分割圖像，對第一目標計數模型進行調整并繼續訓練，直至得到訓練好的第二目標計數模型，使得模型學習到針對感興趣目標更具判別性的圖像特征，提高了圖像特征和樣例特征匹配的準確度，進而保證了目標計數的精度和模型的魯棒性。

15、本申請附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請的實踐了解到。

技術特征：

1.一種圖像的感興趣目標計數模型的訓練方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述樣本圖像的預測密度分布圖的獲取過程，包括：

3.根據權利要求2所述的方法，其特征在于，所述基于所述圖像特征和所述標記特征，獲取所述樣本圖像的第一預測密度分布圖，包括：

4.根據權利要求2所述的方法，其特征在于，所述基于所述圖像特征和所述第一目標特征，獲取所述樣本圖像的第二預測密度分布圖，包括：

5.根據權利要求2所述的方法，其特征在于，所述前景分割圖像的獲取過程，包括：

6.根據權利要求5所述的方法，其特征在于，所述基于所述前景分割圖像、所述參考分割圖像、所述預測密度分布圖和所述參考密度分布圖，對所述第一目標計數模型進行調整并繼續訓練，直至訓練結束得到訓練好的第二目標計數模型，包括：

7.一種圖像的處理方法，其特征在于，所述方法包括：

8.根據權利要求7所述的方法，其特征在于，所述將所述待計數圖像、所述標記圖像輸入至預訓練的第二目標計數模型中，得到所述待計數圖像中感興趣目標的密度分布圖，包括：

9.根據權利要求7所述的方法，其特征在于，所述方法還包括：

10.一種圖像的感興趣目標計數模型的訓練裝置，其特征在于，所述裝置包括：

11.一種圖像的處理裝置，其特征在于，所述裝置包括：

12.一種電子設備，其特征在于，包括：

13.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機執行指令，所述計算機執行指令被處理器執行時用于實現如權利要求1-9中任一項所述的方法。

14.一種計算機程序產品，其特征在于，包括計算機程序，該計算機程序被處理器執行時實現權利要求1-9中任一項所述的方法。

技術總結
本申請提出一種圖像的感興趣目標計數模型的訓練方法和裝置。該方法包括：獲取樣本圖像，以及樣本圖像中感興趣目標的參考密度分布圖和參考分割圖像，并從樣本圖像中截取感興趣目標的標記圖像；基于標記圖像，對樣本圖像進行特征提取，得到第一特征集合和第二特征集合；將標記圖像、樣本圖像、第一特征集合和第二特征集合輸入第一目標計數模型中，輸出樣本圖像的預測密度分布圖和前景分割圖像；基于前景分割圖像、參考分割圖像、預測密度分布圖和參考密度分布圖，對第一目標計數模型進行調整，直至得到訓練好的第二目標計數模型。由此，本方案可以使模型學習到針對感興趣目標更具判別性的特征，提高了特征匹配的準確度，保證了目標計數的精度。

技術研發人員：趙慕銘
受保護的技術使用者：北京林業大學
技術研發日：
技術公布日：2024/10/21