(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210404851.7 (22)申请日 2022.04.18 (71)申请人 中汽创智科技有限公司 地址 211100 江苏省南京市江宁区秣陵街 道胜利路8 8号 (72)发明人 陈芝琳　王云田　郁健峰　朱元豪　 周伟　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 黄盼 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种图像数据处 理方法及装置 (57)摘要 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 。 权利要求书3页 说明书11页 附图4页 CN 114882271 A 2022.08.09 CN 114882271 A 1.一种图像数据处 理方法， 其特 征在于， 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。 2.根据权利要求1所述的图像数据处理方法， 其特征在于， 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。 3.根据权利要求2所述的图像数据处理方法， 其特征在于， 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。 4.根据权利要求3所述的图像数据处理方法， 其特征在于， 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； 对所述偶数层融合特征分别进行上采样处理和下采样处理， 得到偶数层上采样特征和 偶数层下采样特 征； 将所述奇数层上采样特征、 所述奇数层下采样特征、 所述偶数层上采样特征和所述偶 数层下采样特 征， 作为每 类所述子图像集对应的目标图像的采样融合特 征。 5.根据权利要求4所述的图像数据处理方法， 其特征在于， 所述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， 包括： 将所述奇数层上采样特征、 所述奇数层下采样特征、 所述偶数层上采样特征和所述偶 数层下采样特 征进行融合， 得到每 类所述子图像集对应的目标图像的第二融合特 征； 基于所述第二融合特 征确定所述目标图像的分类结果。权　利　要　求　书 1/3 页 2 CN 114882271 A 26.根据权利要求1 ‑5任一所述的图像数据处 理方法， 其特 征在于， 所述方法还 包括： 获取样本图像， 所述样本图像标注有样本特 征； 将所述样本图像输入预设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， 得到预设逐层特 征提取结果和预设跨层特 征提取结果； 将所述预设逐层特征提取结果和所述预设跨层特征提取结果进行融合， 得到第 一预设 融合特征； 对所述第一预设融合特 征进行采样处 理， 得到采样预设融合特 征； 将所述采样预设融合特 征进行融合， 得到第二预设融合特 征； 根据所述第 二预设融合特征和所述样本特征之间的损失信 息， 对所述预设深度残差网 络进行训练， 得到所述深度残差网络 。 7.根据权利要求1所述的图像数据处理方法， 其特征在于， 所述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， 包括： 基于K均值聚类算法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。 8.根据权利要求2所述的图像数据处理方法， 其特征在于， 所述基于K均值聚类算法对 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， 包括： 从所述图像集中获取预设数量个图像， 将预设数量个图像作为预设数量个当前聚类中 心； 所述预设数量 根据所述图像集包 含的场景复杂度设置； 计算所述图像集中的各个图像分别与预设数量个所述当前聚类中心之间的距离； 根据各个图像分别与 预设数量个所述当前聚类中心之间的距离， 从预设数量个所述当 前聚类中心中获取与各个图像对应的目标聚类中心， 所述目标聚类中心与各个图像之 间的 距离小于预设距离阈值； 将各个图像分配至各个图像对应的目标聚类中心， 得到预设数量个当前候选图像集； 计算每个所述当前候选图像集的聚类中心， 将计算得到的候选聚类中心重新作为预设 数量个当前聚类中心； 重复所述计算所述图像集中的各个图像分别与预设数量个所述当前聚类中心之间的 距离， 至所述将计算得到的候选聚类中心重新作为预设数量个当前聚类中心的步骤， 直至 所述当前候选图像集中的图像满足预设条件或重复次数满足预设次数阈值。 9.根据权利要求1所述的图像数据处 理方法， 其特 征在于， 所述获取图像集， 包括： 获取交通视频 数据； 对所述交通视频 数据进行去重处 理， 得到去重后的图像数据； 从所述去重后的图像数据中获取 所述图像集。 10.根据权利要求1所述的图像数据处理方法， 其特征在于， 所述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， 包括： 将每类所述子图像集中的任意 一张图像， 作为每 类所述子图像集对应的目标图像。 11.一种图像数据处 理装置， 其特 征在于， 所述装置包括： 图像集获取模块， 用于获取图像集； 图像分类模块， 用于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； 目标图像确定模块， 用于从每类所述子 图像集中， 分别确定每类所述子 图像集对应的 目标图像；权　利　要　求　书 2/3 页 3 CN 114882271 A 3