一种任意多边形目标检测方法、电子设备及存储介质技术

本发明专利技术公开了一种任意多边形目标检测方法、电子设备及存储介质，通过神经网络得到多边形目标检测模型，其能够不依赖先验框，检测出多边形形状的目标，突破了传统目标检测的矩形框检测，使得目标框与检测物体的IOU值更大，更加精准；并且统一了水平矩形框目标检测、旋转矩形框目标检测和多边形框目标检测模型，提升了模型的适用范围。升了模型的适用范围。升了模型的适用范围。

【技术实现步骤摘要】
一种任意多边形目标检测方法、电子设备及存储介质


[0001]本专利技术属于目标检测
，具体涉及一种任意多边形目标检测方法、电子设备及存储介质。

技术介绍

[0002]目标检测是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初2013年提出的R
‑
CNN、OverFeat，到后面的Fast/Faster R
‑
CNN，SSD，YOLO系列，再到2020年最近的SAPD。短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从two stage到one stage，从bottom
‑
up only到Top
‑
Down，从single scale network到feature pyramid network，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
>[0003]目前，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任意多边形目标检测方法,其特征在于：采集目标场景的各个图片作为目标场景图片数据集，执行以下步骤，对目标场景图片中的各目标物体分别进行中心点和角点向量的预测，实现目标场景图片中各目标物体的预测：步骤S1：分别针对目标场景图片数据集中各图片中指定的各类别目标物体，基于分别与各类别目标物体一一对应的预设多边形，应用预设多边形以最小外接的方式分别对其对应类别的各目标物体进行框选；步骤S2：分别针对目标场景图片数据集中各图片中由预设多边形框选的各目标物体，基于目标物体对应的外接预设多边形得到目标物体中心点，以该目标物体中心点为原点建立直角坐标系，对该目标物体对应的外接预设多边形的各角点进行角点排序，并且得到目标物体对应外接预设多边形上各角点在其自身坐标系下到中心点的向量，即目标物体对应的角点向量；进而获得各图片中各目标物体的中心点、各目标物体分别所对应外接预设多边形上各角点的角点排序、以及各目标物体分别对应的角点向量；步骤S3：基于目标场景图片数据集作为训练集，根据目标场景图片数据集中各图片中各个目标物体的中心点、各目标物体分别所对应外接预设多边形上各角点的角点排序、以及各目标物体分别对应的角点向量为基准，以目标场景图片数据集中图片为输入，以该图片中各目标物体的中心点、以及各个目标物体分别对应的角点向量为输出，对包含目标物体特征提取模块的神经网络进行训练得到多边形目标检测模型，预测目标场景图片中各个目标物体分别对应的中心点和角点向量，实现目标场景图片中各目标物体的预测；目标物体特征提取模块用于提取目标场景图片中反映目标物体的特征信息。2.根据权利要求1所述的一种任意多边形目标检测方法，其特征在于：所述步骤S2中，分别针对目标场景图片数据集所对应各图片中由预设多边形框选的的各目标物体，执行以下步骤，进而获得各图片中各个目标物体的中心点、各图片中各个目标物体分别所对应外接预设多边形上各角点的角点排序、以及各图片中各目标物体分别对应的角点向量：步骤S2.1:基于目标物体对应的外接预设多边形，得出该外接预设多边形的最小外接矩形，进而得到该最小外接矩形的中心点作为该目标物体中心点；步骤S2.2:以目标物体中心点为原点，以图片坐标方向为基准建立直角坐标系，以该直角坐标系y轴正半轴顺时针转动与外接预设多边形各角点重合的夹角作为各角点的角度；步骤S2.3:基于外接预设多边形各角点角度的大小，按从小到大对各角点进行角点排序，并且得到目标物体对应外接预设多边形上各角点在其自身坐标系下到中心点的向量，即目标物体对应的角点向量。3.根据权利要求1所述的一种任意多边形目标检测方法，其特征在于：所述步骤S3中，具体执行以下步骤，预测目标场景图片中各个目标物体分别对应的中心点和角点向量，实现目标场景图片中各目标物体的预测：步骤S3.1：随机抽取目标场景标记图片数据集中的一张图片输入神经网络，神经网络的目标物体特征提取模块提取得到该图片的64维特征向量，针对该图片的64维特征向量分别使用256个3x3卷积核...

【专利技术属性】
技术研发人员：赵磊，张铁监，汪洋，叶剑，
申请(专利权)人：多伦科技股份有限公司，
类型：发明
国别省市：