【技术实现步骤摘要】
一种基于分块并行的目标检测方法
[0001]本专利技术属于计算机多媒体领域，具体涉及一种基于分块并行的目标检测方法。
技术介绍
[0002]现有的目标检测模型通常会将输入图片等比例缩放到固定尺寸作为网络模型的输入，如果原输入图像的尺度较大，许多图像中的目标在缩放之后可能变得极其狭小，从而导致目标检测模型的失效，当前目标检测模型对于非常规尺度输入图片的操作方案对于目标检测效果有一定的损伤，往往造成尺度较大或比例较极端的输入图像中无法正确检测出相关目标，目前普通的目标检测方法无法直接适应这种输入图片，绝大多数检测模型会设置一个固定的长边尺寸，并按照这个长边尺寸对原输入图片进行等比例的缩放操作，这种操作在输入图片比例较为极端的情况下，可能造成最终的缩放结果不适于检测，普通的目标检测模型通常是无法有效检测出尺度较大或比例较极端的图像中的目标。
[0003]因此，需要提供一种针对上述现有技术不足的改进技术方案。
技术实现思路
[0004]本专利技术的目的在于提供一种基于分块并行的目标检测方法，以至少解决上述背景...
【技术保护点】
【技术特征摘要】
1.一种基于分块并行的目标检测方法，用于对输入图像中的目标进行检测，其特征在于，包括以下步骤：步骤S101、基于预设的图像分析模型，对所述输入图像的尺度进行评估，以确定所述输入图像的尺度是否超出目标检测模型的标准输入尺度；响应于所述输入图像的尺度超出所述目标检测模型的标准输入尺度，基于所述图像分析模型得出图像分块策略，对所述输入图像进行分块，得到多个子块，并将多个所述子块划分于至少一个批次中，以获取批次数据；步骤S102、将所述批次数据中的每个所述子块通过所述目标检测模型进行并行检测，得到每个所述子块中所述目标的检测结果，基于全局坐标映射对所述检测结果中的目标位置信息进行计算，得到所述检测结果的目标全局位置信息，并根据所述子块相对于所述目标检测模型的标准输入尺度的比例，对所述检测结果中的目标高度和目标宽度进行计算，得出所述检测结果的目标全局高度和目标全局宽度，基于所述目标全局位置信息、所述目标全局高度和所述目标全局宽度，以确定检测框的位置、大小；步骤S103、基于软化的非最大化抑制，并根据所述检测框去除所述检测结果的冗余项，输出所述输入图像的检测结果。2.如权利要求1所述的一种基于分块并行的目标检测方法，其特征在于，在步骤S101中：所述图像分析模型包括：第一分析模型、第二分析模型；基于所述第一分析模型，获取所述输入图像的宽度相对于所述目标检测模型的标准输入尺度的宽度的缩放因子δ1；基于所述第二分析模型，获取所述输入图像的宽度相对于所述输入图像的高度的比例切分因子δ2；通过所述缩放因子δ1与所述比例切分因子δ2的乘积来评估所述输入图像的尺度是否超出所述目标检测模型的标准输入尺度；其中，所述缩放因子δ1与所述比例切分因子δ2的乘积大于1时，评估为所述输入图像的尺度超出所述目标检测模型的标准输入尺度。3.如权利要求2所述的一种基于分块并行的目标检测方法，其特征在于，所述第一分析模型表示为：其中，width
i
为所述输入图像的宽度；width
std
为所述目标检测模型的标准输入尺度的宽度。4.如权利要求2所述的一种基于分块并行的目标检测方法，其特征在于，所述第二分析模型表示为：
其中，θ取1.1～1.3之间的浮点数；width
i
为所述输入图像的宽度；height
i
为所述输入图像的高度。5.如权利要求1所述的一种基于分块并行的目标检测方法，其特征在于，步骤S101具体为：基于所述目标检测模型的可并行检测最大数量，将多个所述子块划分于至少一个批次，以获取所述批次数据；其中，所述子块的数量大于所述目标检测模型的可并行检测最大数量时，将多个所述子块划分为多个批次，获取多个所述批次数据；所述批次数据表示为：B
i
＝b
×
w
s
×
w
s
×
c；其中，B
i...
【专利技术属性】
技术研发人员：王卫军，徐友法，王兆广，张允，孙海峰，杨亚，郭雨晨，陈凯，
申请(专利权)人：清华大学，
类型：发明
国别省市：
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。