坐标修正方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种坐标修正方法、装置、存储介质及电子装置，其中，该方法包括：检测目标图片中包括的目标点的坐标，其中，所述目标图片是按照缩小比例对原始图片进行缩小处理后所得到的尺寸适用于目标神经网络的图片；基于所述目标点的坐标确定所述目标点的目标区域的特征图；确定所述原始图片中与所述目标点对应的邻域中包括的多个原始点的区域特征图；基于所述目标点的特征图和多个所述原始点的特征图对所述原始图片进行坐标修正。通过本发明专利技术，解决了相关技术中存在的坐标修正精度低的问题，达到提高修正精度的效果。

【技术实现步骤摘要】
坐标修正方法、装置、存储介质及电子装置
本专利技术实施例涉及通信领域，具体而言，涉及一种坐标修正方法、装置、存储介质及电子装置。
技术介绍
图像的目标检测技术在图像处理邻域一直以来有着举足轻重的重要作用，为后续的图像识别，行为分析，事件分析夯实了基础。在人工智能、图像大数据崛起的今天尤为重要。目标的检测涉及到很多方面，人、动植物、交通工具、火，水、烟等。检测的精度便是检测性能衡量的标杆，尤其是小目标的检测，精度问题直接是决定性因素。在相关技术中，提高检测网络的坐标精度，主要考虑网络性能提升、后续校正模块、前期图像处理。在相关技术中，对于网络检测坐标的修正所做的环节，在图像输入环节可做增强，达到特征增强，目标检测更精准。例如，在卷积神经网络(ConvolutionalNeuralNetworks，简称为CNN)部分加了各种措施，优化网络，提高性能。亦有在得到检测坐标之后后处理模块再修正坐标。然而，在实际应用的设备中，尤其是嵌入式设备，实时网络因为耗时问题，图像都是经过缩放以后送入CNN网络的。由此得到的检测坐标都是在输入网络的分辨率上得到本文档来自技高网...

【技术保护点】
1.一种坐标修正方法，其特征在于，包括：/n检测目标图片中包括的目标点的坐标，其中，所述目标图片是按照缩小比例对原始图片进行缩小处理后所得到的尺寸适用于目标神经网络的图片；/n基于所述目标点的坐标确定所述目标点的目标区域的特征图；/n确定所述原始图片中与所述目标点对应的邻域中包括的多个原始点的区域特征图；/n基于所述目标点的特征图和多个所述原始点的特征图对所述原始图片进行坐标修正。/n

【技术特征摘要】
1.一种坐标修正方法，其特征在于，包括：
检测目标图片中包括的目标点的坐标，其中，所述目标图片是按照缩小比例对原始图片进行缩小处理后所得到的尺寸适用于目标神经网络的图片；
基于所述目标点的坐标确定所述目标点的目标区域的特征图；
确定所述原始图片中与所述目标点对应的邻域中包括的多个原始点的区域特征图；
基于所述目标点的特征图和多个所述原始点的特征图对所述原始图片进行坐标修正。


2.根据权利要求1所述的方法，其特征在于，确定所述原始图片中与所述目标点对应的邻域中包括的多个原始点的区域特征图包括：
基于所述缩小比例确定所述原始图片中与所述目标点对应的邻域；
确定所述邻域中包括的多个所述原始点的特征图。


3.根据权利要求1所述的方法，其特征在于，
在基于所述目标点的特征图和多个所述原始点的特征图对所述原始图片进行坐标修正之前，所述方法还包括：基于所述缩小比例计算所述原始图中与所述目标点对应的第一原始点；
基于所述目标点的特征图和多个所述原始点的特征图对所述原始图片进行坐标修正包括：从多个所述原始点的特征图中确定出与所述目标点的特征图的相似度最大的第二原始点的特征图；将所述第一原始点的坐标修正到所述第二原始点的坐标位置处。


4.根据权利要求1所述的方法，其特征在于，检测接收到的目标图片中包括的目标点的坐标之前，所述方法还包括：
基于所述原始图片的分辨率和所述目标神经网络所支持的图片的分辨率确定所述缩小比例；
按照所述缩小比例对所述原始图片进行缩小处理，以得到所述目标图片。


5.一种坐标修正装置，其特征在于，包括：
检测模块，用于检测目标图片中包括的目标点的坐标，其中，所述目标图片是按照缩小比例对原始图片进行缩小处理后所得到的尺寸适用于目标神经网...

【专利技术属性】
技术研发人员：毛佳丽，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33