面向机器视觉编码的目标级别恰可识别失真的生成方法
成果类型:: 发明专利
发布时间: 2023-09-27 16:57:26
基于机器视觉的应用的落地,如智慧城市、视频监控、自动驾驶和工业自动化等。这些应用通常会产生大量的图像和视频数据。由于带宽的限制,往往需要压缩图像视频数据以便存储和传输。采用越大的量化参数QP去压缩图像,越能降低压缩之后的图像所占用的存储空间,越有利于将压缩之后的图像传输至后端的机器视觉编码模型(机器视觉目标识别模型或机器视觉编码)上。而采用越大的量化参数QP压缩得到的图像失真程度越大,越不利于机器视觉编码模型针对该压缩图像进行相应的处理。因此需要找到一个QP值使得采用该QP值压缩之后的图像的失真程度达到恰可识别失真JRD,JRD表示的是能明显影响机器视觉识别模型性能的最小失真(压缩图像失真程度越大,机器视觉识别模型越难以识别出压缩图像中的目标。最小失真的压缩图像就是恰好能让机器视觉识别模型识别出该图像中的目标,失真程度比最小失真稍微再大一点,那么机器视觉识别模型将不能识别出该图像中的目标),以同时兼顾图像存储传输的需求和机器视觉识别模型对图像失真程度的限制。
本发明首先将采用各个预设量化参数压缩得到的目标的压缩图像输入至失真判别模型,失真判别模型将该压缩图像与原始图像(未压缩图像)进行比较,判别各个预设量化参数所对应的各个压缩图像相对原始图像是否失真(判别结果),由于失真判别模型输出的判别结果,其准确性并不是绝对准确,因此,本发明采用容错策略对失真判别模型输出的判别结果进行纠错,以得到准确的判别结果,并基于纠错之后的判别结果判断哪个预设量化参数所对应的压缩图像满足恰可识别失真,之后将该预设量化参数作为所述目标的量化参数,压缩原始图像中的目标区域时,采用筛选的最佳量化参数(即目标的量化参数)对目标进行压缩以满足解码端的识别需求;对原始图像的非目标区域进行压缩时,采用更大的量化参数对其进行压缩以减少比特。即使判别模型从更多的预设量化参数所对应的压缩图像中判别图像是否失真这一判别结果存在误差,但是本发明使用容错策略对判别结果进行纠错,因此允许本发明从更多的预设量化参数中的筛选出能够满足恰可识别失真所需的目标所对应的量化参数,从而提高了筛选出的目标的量化参数的准确性。
技术合作
本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。