【技术实现步骤摘要】
包围盒的确定方法、装置、计算机设备和存储介质
本申请涉及包围盒的确定
，特别是涉及一种包围盒的确定方法、装置、计算机设备和存储介质。
技术介绍
非极大值抑制在人工智能物体检测后处理中有广泛应用。神经网络计算出到大量物体的包围盒以及每个包围盒对应的一个分数。用非极大值抑制方法(NonMaxImumsuppression，NMS)可以去除大部分重复的包围盒并选取其中分数最高的点作为被检测物体最合适的包围盒，从而达到检测物体类型、位置和大小的目的。非极大值抑制算法本身可以考虑并行计算来提高速度，那么如何在并行算法下达到效率和能耗的最佳搭配，即采用更少的GPU(图形处理器，GraphicsProcessingUnit)硬件资源能做到更多更快的NMS检测，就是一个非常重要的问题。传统技术中，通过映射-化简(map-reduce)操作之后从初始的包围盒中选择出最适合的目标包围盒。但是，专利技术人发现传统技术中对包围盒信息进行存储占用的线程多，导致一次线程运行所针对的包围盒数量少，使得包围盒的确定效率较低。需要说明的...
【技术保护点】
1.一种包围盒的确定方法，所述方法包括：/n获取线程组所包含的线程中的位图；其中，任意线程的所述位图对应有独立的至少一个初始包围盒，所述初始包围盒为对目标物体进行图像目标检测得到的检测框；/n并行运行所述线程组中的各个线程，以使第一剩余线程中的位图和第一目标线程中的位图进行第一位与运算；其中，所述第一目标线程从所述线程组中选择得到，所述第一剩余线程为所述线程组中除去所述第一目标线程的线程；/n根据所述第一位与运算的结果，得到所述线程组各个线程所对应的初始包围盒之间的重叠信息；/n根据所述重叠信息从所述线程组各个线程所对应的初始包围盒中确定独立的包围盒，作为所述目标物体的目标包围盒。/n
【技术特征摘要】
1.一种包围盒的确定方法，所述方法包括：
获取线程组所包含的线程中的位图；其中，任意线程的所述位图对应有独立的至少一个初始包围盒，所述初始包围盒为对目标物体进行图像目标检测得到的检测框；
并行运行所述线程组中的各个线程，以使第一剩余线程中的位图和第一目标线程中的位图进行第一位与运算；其中，所述第一目标线程从所述线程组中选择得到，所述第一剩余线程为所述线程组中除去所述第一目标线程的线程；
根据所述第一位与运算的结果，得到所述线程组各个线程所对应的初始包围盒之间的重叠信息；
根据所述重叠信息从所述线程组各个线程所对应的初始包围盒中确定独立的包围盒，作为所述目标物体的目标包围盒。
2.根据权利要求1所述的方法，其特征在于，所述获取线程组所包含的线程中的位图的步骤之前，还包括：
从目标线程所对应的目标初始包围盒中确定第一包围盒以及第二包围盒；所述目标线程为所述线程组中的任意线程；所述第一包围盒逐步遍历所述目标初始包围盒，所述第二包围盒为所述目标初始包围盒中除去所述第一包围盒的包围盒；
确定所述第一包围盒和所述第二包围盒之间的位置重叠度；
分别获取所述第一包围盒以及所述第二包围盒与所述目标物体在尺寸上的匹配值，得到第一匹配值和第二匹配值；
若所述位置重叠度高于预设阈值，且所述第二匹配值高于所述第一匹配值，则将所述第一包围盒在目标位图上对应的位值确定为0，得到所述目标位图中各个位的位值；所述目标位图为所述目标线程所对应的位图。
3.根据权利要求2所述的方法，其特征在于，所述将所述第一包围盒在目标位图上对应的位值确定为0，得到所述目标位图中各个位的位值的步骤，包括：
确定所述第一包围盒的编号；所述编号对应所述目标位图中的某一位；
按照所述编号将0作为位值填充到所述目标位图的对应位上；
若所述第一包围盒已遍历所有所述目标初始包围盒，则向剩余位中填充1，得到所述目标位图中各个位的位值；所述剩余位为所述目标位图中未填充0的位。
4.根据权利要求1所述的方法，其特征在于，所述获取线程组所包含的线程中的位图的步骤，包括：
通过目标内核函数，获取线程组所包含的线程中的位图；
所述并行运行所述线程组中的各个线程，以使第一剩余线程中的位图和第一目标线程中的位图进行第一位与运算的步骤，包括：
通过所述目标内核函数，并行运行所述线程组中的各个线程，以使第一剩余线程中的位图和第一目标线程中的位图进行第一位与运算。
5.根据权利要求1所述的方法，其特征在于，所述线程组中的各个线程包含有预设数量横向排布的位图；所述预设数量根据硬件参数确定；
所述并行运行所述线程组中...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：深圳元戎启行科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。