背板检测方法及设备技术

本公开提供一种背板检测方法及设备，获取包含至少一个待检测背板的待检测图像，并提取待检测图像的不同分辨率的特征以生成特征图集合；利用预先构建的锚框，对特征图集合进行目标分类和边框回归，生成区域建议框；对区域建议框进行感兴趣区域池化，生成感兴趣区域特征图；对感兴趣区域特征图进行目标分类和边框回归，生成检测框；对检测框去重，得到标记了待检测目标的检测结果图像。本公开提供的背板检测方法，通过预先构建的锚框，获取并分析了待检测背板中不同待检测目标的不同特征，检测目标多元，并且提高了检测结果图像中背板的组成结构的完整性和准确性。

【技术实现步骤摘要】
背板检测方法及设备
本公开涉及计算机视觉
，尤其涉及一种背板检测方法及设备。
技术介绍
目标检测是计算机视觉领域的重要分支，旨在检测图像中所包含目标的类别与位置。交换机、路由器等网络设备的背板承载了大量接口与设备信息，对背板主体进行目标检测能够自动获取背板的组成结构、带宽容量、运行状态等关键数据，可广泛应用于机器人巡检、设备信息采集、运维可视化等场景中，是网络设备运维管理自动化、智能化的重要环节，关系到网络基础设施的建设与运行质量。然而，使用相关技术进行背板检测时，检测目标的种类局限于网口等元器件，检测对象较为单一，例如忽略了光纤口、usb口、状态指示灯等其他重要元器件，检测结果不能完整地描述背板的组成结构，准确性较低。
技术实现思路
有鉴于此，本公开的目的在于提出一种背板检测方法及设备。基于上述目的，本公开提供了一种背板检测方法，包括：获取包含至少一个待检测背板的待检测图像，并提取所述待检测图像的不同分辨率的特征以生成特征图集合；所述待检测背板上包括至少一个待检测目标；利用预先构建的锚框，对所述特征图集合进行目标分类和边框回归，生成区域建议框；对所述区域建议框进行感兴趣区域池化，生成感兴趣区域特征图；对所述感兴趣区域特征图进行目标分类和边框回归，生成检测框；其中，至少部分所述检测框标记了所述待检测目标；对所述检测框去重，得到标记了所述待检测目标的检测结果图像。基于同一专利技术构思，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的方法。从上面所述可以看出，本公开提供的背板检测方法及设备，获取包含至少一个待检测背板的待检测图像，并提取待检测图像的不同分辨率的特征以生成特征图集合；利用预先构建的锚框，对特征图集合进行目标分类和边框回归，生成区域建议框；对区域建议框进行感兴趣区域池化，生成感兴趣区域特征图；对感兴趣区域特征图进行目标分类和边框回归，生成检测框；对检测框去重，得到标记了待检测目标的检测结果图像。本公开提供的背板检测方法，通过预先构建的锚框，获取并分析了待检测背板中不同待检测目标的不同特征，检测目标多元，并且提高了检测结果图像中背板的组成结构的完整性和准确性。附图说明为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本公开实施例提供的背板检测方法的应用场景示意图；图2为本公开实施例提供的背板检测方法的一种流程示意图；图3为本公开实施例提供的锚框尺寸生成方法的一种流程示意图；图4为本公开实施例提供的待检测目标的尺寸聚类的场景示意图；图5为本公开实施例提供的IoU的计算方法的示意图；图6为本公开实施例提供的相关技术中重叠框去重结果的示意图；图7为本公开实施例提供的检测框去重方法的一种流程示意图；图8为本公开实施例提供的边框回归的示意图；图9为本公开实施例提供的背板检测模型的一种结构示意图；图10为本公开实施例提供的一种更为具体的电子设备硬件结构示意图。具体实施方式为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。目标检测是计算机视觉领域的重要分支，旨在检测图像中所包含目标的类别与位置。交换机、路由器等网络设备的背板承载了大量接口与设备信息，对背板主体进行目标检测能够自动获取背板的组成结构、带宽容量、运行状态等关键数据，可广泛应用于机器人巡检、设备信息采集、运维可视化等场景中，是网络设备运维管理自动化、智能化的重要环节，关系到网络基础设施的建设与运行质量。然而，使用相关技术进行背板检测时，检测目标的种类局限于网口等元器件，检测对象较为单一，例如忽略了光纤口、usb口、状态指示灯等其他重要元器件，检测结果不能完整地描述背板的组成结构，准确性较低。具体的，基于深度学习的目标检测技术主要分为以FasterR-CNN为代表的two-stage方法和以YOLO为代表的one-stage方法。FasterR-CNN使用RPN网络对锚框(anchorbox)进行分类与边框回归生成区域建议框，再提取区域建议框的特征图计算生成检测框，检测准确率更高；YOLO利用卷积神经网络提取特征后，直接计算N*N的图像区域中每个锚框的类别与位置，从而生成检测框，检测的实时性更高。相关技术中，在进行网口检测时，采用的是以YOLO为代表的one-stage方法，其仅实现了对网口进行检测，忽略了背板上如光纤口、usb口、状态指示灯等其他重要元器件。同时，相关技术中还认为，采用以FasterR-CNN为代表的two-stage方法在识别背景时假阳性很高，因网口对应的背景比较复杂，FasterR-CNN不适用于检测网口。专利技术人提出，YOLO模型的优点是速度较快，但是其准确性较低，那么，在面临进行背板检测的任务时，为了提高背板检测的准确性，本公开基于改进的FasterR-CNN模型，提供一种背板检测方法，对FasterR-CNN模型进行改进并应用到背板检测的场景中去。本公开提供一种背板检测方法及设备，获取包含至少一个待检测背板的待检测图像，并提取待检测图像的不同分辨率的特征以生成特征图集合；利用预先构建的锚框，对特征图集合进行目标分类和边框回归，生成区域建议框；对区域建议框进行感兴趣区域池化，生成感兴趣区域特征图；对感兴趣区域特征图进行目标分类和边框回归，生成检测框；对检测框去重，得到标记了待检测目标的检测结果图像。本公开提供的背板检测方法，通过预先构建的锚框，获取并分析了待检测背板中不同待检测目标的不同特征，检测目标多元，并且提高了检测结果图像中背板的组成结构的完整性和准确性。参考图1，其为本申请实施例提供的背板检测方法的应用场景示意图。该应用场景包括终端设备101、服务器102、和数据存储系统103。其中，终端设备101、服务器102以及数据存储系统103之间均可通本文档来自技高网...

【技术保护点】
1.一种背板检测方法，包括：/n获取包含至少一个待检测背板的待检测图像，并提取所述待检测图像的不同分辨率的特征以生成特征图集合；所述待检测背板上包括至少一个待检测目标；/n利用预先构建的锚框，对所述特征图集合进行目标分类和边框回归，生成区域建议框；/n对所述区域建议框进行感兴趣区域池化，生成感兴趣区域特征图；/n对所述感兴趣区域特征图进行目标分类和边框回归，生成检测框；其中，至少部分所述检测框标记了所述待检测目标；/n对所述检测框去重，得到标记了所述待检测目标的检测结果图像。/n

【技术特征摘要】
1.一种背板检测方法，包括：
获取包含至少一个待检测背板的待检测图像，并提取所述待检测图像的不同分辨率的特征以生成特征图集合；所述待检测背板上包括至少一个待检测目标；
利用预先构建的锚框，对所述特征图集合进行目标分类和边框回归，生成区域建议框；
对所述区域建议框进行感兴趣区域池化，生成感兴趣区域特征图；
对所述感兴趣区域特征图进行目标分类和边框回归，生成检测框；其中，至少部分所述检测框标记了所述待检测目标；
对所述检测框去重，得到标记了所述待检测目标的检测结果图像。


2.根据权利要求1所述的方法，其中，还包括生成所述锚框的锚框尺寸集：
获取训练用背板图像数据集；所述训练用背板图像数据集中的每个训练用背板图像中包括至少一个标注框；
对于每个所述标注框，获取该标注框的尺寸和类别，将该尺寸加入到该类别对应的尺寸集合中，得到多个尺寸集合；
对每个所述尺寸集合进行聚类，生成锚框尺寸候选集；
根据所述锚框尺寸候选集中的每两个锚框候选尺寸间的相似度，对所述锚框尺寸候选集去重，得到所述锚框尺寸集。


3.根据权利要求2所述的方法，其中，所述对每个所述尺寸集合进行聚类，生成锚框尺寸候选集，包括：
响应于确定所述尺寸集合中的所有尺寸到预设数量个聚类中心点尺寸的平均距离小于距离阈值，将所述聚类中心点尺寸加入到所述锚框尺寸候选集中；不同的所述尺寸集合的所述聚类中心点尺寸的所述预设数量不同。


4.根据权利要求3所述的方法，其中，还包括计算所述尺寸集合中的所有尺寸到预设数量个聚类中心点尺寸的平均距离的公式为：



其中，Dn为尺寸集合Sn中的所有尺寸到预设数量Kn个聚类中心点尺寸的平均距离，Sn为任一尺寸集合，Kn为预设数量，|Sn|为尺寸集合Sn中的尺寸的总数量，s为尺寸集合Sn中的任一尺寸，ci为任一聚类中心点尺寸，d(s,ci)为尺寸s和聚类中心点尺寸ci间的距离。


5.根据权利要求2所述的方法，其中，所述根据所述锚框尺寸候选集中的每两个锚框候选尺寸间的相似度，对所述锚框尺寸候选集去重，得到所述锚框尺寸集，包括：
按照所述相似度从大到...

【专利技术属性】
技术研发人员：黄小红，张晓冬，赵钦，王振华，王世枭，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11