[发明专利]一种图像数据处理方法及装置

说明书

本申请提供一种图像数据处理方法，包括:获取图像集；对图像集进行分类，得到图像集对应的多类子图像集；从每类子图像集中，分别确定每类子图像集对应的目标图像；将目标图像分别输入深度残差网络，进行逐层特征遍历提取和跨层特征遍历提取，得到每类子图像集对应的目标图像的逐层特征提取结果和跨层特征提取结果；将逐层特征提取结果和跨层特征提取结果进行融合，得到每类子图像集对应的目标图像的第一融合特征；对第一融合特征分别进行采样处理，得到每类子图像集对应的目标图像的采样融合特征；基于采样融合特征，确定每类子图像集对应的目标图像的分类结果。采用本申请实施例的方案，能够提高图像分类的效率和精度，降低图像分类成本。

技术领域

本申请涉及自动驾驶技术领域，特别涉及一种图像数据处理方法及装置。

背景技术

相关技术通常采用人工筛选的方式对图像进行处理，将采集的图像或视频通过人工筛选的方式进行判别，但由于存在照明条件差、行人车辆等障碍物造成的遮挡、车道边界模糊缺失等恶劣因素影响，采集到的图像或视频利用人工筛选具有一定的挑战性，且筛选结果存在较大的误差。

可见，相关技术对图像进行处理的处理成本较高，处理效率和处理精度较低。

发明内容

本申请为克服上述现有技术存在的缺陷而提供一种能够提高图像标注效率和处理精度、降低分类成本的图像数据处理方法及装置。

为解决上述技术问题，本申请提供以下技术方案：

根据本申请实施例的第一方面，提供一种图像数据处理方法，所述方法包括:

获取图像集；

对所述图像集进行分类，得到所述图像集对应的多类子图像集；

从每类所述子图像集中，分别确定每类所述子图像集对应的目标图像；

将所述目标图像分别输入深度残差网络，进行逐层特征遍历提取和跨层特征遍历提取，得到每类所述子图像集对应的目标图像的逐层特征提取结果和跨层特征提取结果；

将所述逐层特征提取结果和所述跨层特征提取结果进行融合，得到每类所述子图像集对应的目标图像的第一融合特征；

对所述第一融合特征分别进行采样处理，得到每类所述子图像集对应的目标图像的采样融合特征；

基于所述采样融合特征，确定每类所述子图像集对应的目标图像的分类结果。

在一个示例性的实施方式中，所述跨层特征遍历提取包括奇数层特征遍历提取和偶数层特征遍历提取；

所述将所述目标图像分别输入深度残差网络，进行逐层特征遍历提取和跨层特征遍历提取，得到每类所述子图像集对应的目标图像的逐层特征提取结果和跨层特征提取结果，包括：

将所述目标图像分别输入深度残差网络，进行逐层特征遍历提取、奇数层特征遍历提取和偶数层特征遍历提取，得到每类所述子图像集对应的目标图像的逐层特征提取结果、奇数层特征提取结果和偶数层特征提取结果。

在一个示例性的实施方式中，所述将所述逐层特征提取结果和所述跨层特征提取结果进行融合，得到每类所述子图像集对应的目标图像的第一融合特征，包括：

将所述逐层特征提取结果分别与所述奇数层特征提取结果和所述偶数层特征提取结果进行融合，得到奇数层融合特征和偶数层融合特征；

将所述奇数层融合特征和所述偶数层融合特征，作为每类所述子图像集对应的目标图像的第一融合特征。

在一个示例性的实施方式中，所述对所述第一融合特征分别进行采样处理，得到每类所述子图像集对应的目标图像的采样融合特征，包括：

对所述奇数层融合特征分别进行上采样处理和下采样处理，得到奇数层上采样特征和奇数层下采样特征；