基于参数曲线的探测器网络的制作方法

背景技术：

1、本发明涉及用于对象检测的技术，以便使用由多个控制点界定的参数曲线来改进对象的发现和边界预测的准确性。

2、基于机器学习的对象探测器使用aabb(轴对准边界框)提供对象预测。另一方面，基于机器学习的图像分割模型提供像素(或近像素)级类别预测。此类探测器的主要缺点是aabb不能很好地捕捉许多实际对象的形状。分割模型的主要缺点在于：a)像素级对象不总是明确界定的，因为边界不总是清楚的(例如，在医疗应用中)，并且单个像素可以“属于”多个类别，因为它们混合在一起，并且更重要地，b)难以表达对象重要性，因为在一些应用中，与找到还未被发现的新对象的5个正确像素相比，将5个正确像素加入已经发现的对象中明显不那么重要(被称为“对象重要性”)。

3、对象检测性能可被测量为以下组合：1)什么对象被发现，以及2)边界预测有多紧密和正确。通常，通过定义对象形状匹配标准来组合这两个参数，将预测与实际对象基准真相(ground truth)边界进行比较，并且如果比较的相似性低于某个阈值，则认为未命中。

4、因而，需要用于对象检测的改进技术以便改进对象的发现和边界预测的准确性。

技术实现思路

1、实施例可提供用于对象检测的改进技术，以便使用由多个控制点界定的参数曲线来改进对象的发现和边界预测的准确性。例如，实施例可为对象提供显著更紧密的边界预测，同时正确地表示对象重要性。代替为每个对象预测4个值(其表示aabb位置的微调)，实施例可以代替地预测k个曲线控制点。这在发现对象与描述它们的形状之间达到更好的平衡，这可导致优异的对象检测性能。此外，实施例可以提供对象形状正则化。此外，能够表示各种形状边界的少量的控制点优于尝试预测多边形形状的技术，因为多边形可包含许多顶点，并且模型更可能超调。

2、例如，在一实施例中，一种方法可实施于一种计算机系统中，所述计算机系统包括处理器、可由所述处理器存取的存储器、以及存储于所述存储器中且可由所述处理器执行的计算机程序指令，所述方法可包括：接收图像；从所述图像提取与所述图像中示出的对象相关的多个特征；从所提取的特征生成表示界定所述图像中示出的对象的参数曲线的至少一个多个点；以及输出表示所述参数曲线的所述多个点。

3、在实施例中，可以使用回归模型来执行提取多个特征。所述方法可包括使用损失函数优化基准真相对象与预测锚之间的匹配。该损失函数可以包括曲线相似性度量之一，该曲线相似性度量是在该曲线的曲线空间或在所选择的有限分辨率下计算的，包括弗雷歇(fréchet)距离、豪斯多夫(hausdorff)距离、瓶颈(bottleneck)距离和基于李代数的度量中的至少一个。该方法可以包括使用曲线距离度量优化回归模型的权重。所述生成可以包括生成表示界定图像中示出的对象的多个参数曲线的多个点。所述多个参数曲线可经扩展以具有重叠地覆盖整个所接收图像。

4、在一实施例中，一种系统可包括处理器、可由处理器访问的存储器，以及存储在存储器中且可由处理器执行以执行以下操作的计算机程序指令：接收图像；从图像提取与图像中示出的对象相关的多个特征；从所提取的特征生成表示界定图像中示出的对象的参数曲线的至少一个多个点；以及输出表示所述参数曲线的所述多个点。

5、在一实施例中，一种计算机程序产品可包括非暂时性计算机可读存储，所述非暂时性计算机可读存储具有随其体现的程序指令，所述程序指令可由计算机执行以致使所述计算机执行一种方法，所述方法包括：接收图像；从所述图像提取与所述图像中示出的对象相关的多个特征；从所提取的特征生成表示界定所述图像中示出的对象的参数曲线的至少一个多个点；以及输出表示所述参数曲线的所述多个点。

技术特征：

1.一种在计算机系统中实施的方法，所述计算机系统包括处理器、可由所述处理器访问的存储器、以及存储在所述存储器中且可由所述处理器执行的计算机程序指令，所述方法包括：

2.根据权利要求1所述的方法，其中使用回归模型来执行提取所述多个特征。

3.根据权利要求2所述的方法，进一步包括：

4.根据权利要求3所述的方法，其中，所述损失函数包括在所述曲线的曲线空间或者所选择的有限分辨率下计算的曲线相似性度量之一，所述曲线相似性度量包括弗雷歇距离、豪斯多夫距离、瓶颈距离和基于李代数的度量中的至少一个。

5.根据权利要求3所述的方法，进一步包括：

6.根据权利要求1所述的方法，其中所述生成包括生成表示界定所述图像中示出的所述对象的多个参数曲线的多个点。

7.根据权利要求6所述的方法，其中，所述多个参数曲线被扩展以具有重叠地覆盖整个所接收的图像。

8.一种系统，包括处理器、可由所述处理器访问的存储器、以及存储在所述存储器中并且可由所述处理器执行以执行以下操作的计算机程序指令：

9.根据权利要求8所述的系统，其中使用回归模型来执行提取所述多个特征。

10.根据权利要求9所述的系统，进一步包括：

11.根据权利要求10所述的系统，其中，所述损失函数包括在所述曲线的曲线空间或者所选择的有限分辨率下计算的曲线相似性度量之一，所述曲线相似性度量包括弗雷歇距离、豪斯多夫距离、瓶颈距离和基于李代数的度量中的至少一个。

12.根据权利要求10所述的系统，进一步包括：

13.根据权利要求8所述的系统，其中，所述生成包括生成表示界定所述图像中示出的所述对象的多个参数曲线的多个点。

14.根据权利要求13所述的系统，其中，所述多个参数曲线被扩展以具有重叠地覆盖整个所接收的图像。

15.一种计算机程序产品，包括非暂态计算机可读存储，所述非暂态计算机可读存储具有随其体现的程序指令，所述程序指令可由计算机执行，以致使所述计算机执行一种方法，所述方法包括：

16.根据权利要求15所述的计算机程序产品，其中使用回归模型来执行提取所述多个特征。

17.根据权利要求16所述的计算机程序产品，进一步包括：

18.根据权利要求17所述的计算机程序产品，其中，所述损失函数包括在所述曲线的曲线空间或者所选择的有限分辨率下计算的曲线相似性度量之一，所述曲线相似性度量包括弗雷歇距离、豪斯多夫距离、瓶颈距离和基于李代数的度量中的至少一个。

19.根据权利要求17所述的计算机程序产品，其中，所述生成包括生成表示界定所述图像中示出的所述对象的多个参数曲线的多个点。

20.根据权利要求19所述的计算机程序产品，其中所述多个参数曲线被扩展以具有重叠地覆盖整个所接收的图像。

技术总结
实施例可提供用于对象检测的改进技术，以便使用由多个控制点界定的参数曲线来改进对象的发现和边界预测的准确性。例如，在一实施例中，一种方法在计算机系统中实施，该计算机系统包括处理器、可由处理器存取的存储器、以及存储于存储器中且可由处理器执行的计算机程序指令，该方法可包括：接收图像；从图像提取与图像中示出的对象相关的多个特征；从所提取的特征生成表示界定图像中示出的对象的参数曲线的至少一个多个点；以及输出表示参数曲线的多个点。

技术研发人员：Y·肖杉,V·拉特纳
受保护的技术使用者：国际商业机器公司
技术研发日：
技术公布日：2024/1/15