【技术实现步骤摘要】
一种基于切片筛选的目标检测推理加速方法及系统
[0001]本专利技术涉及计算机视觉
,尤其涉及一种基于切片筛选的目标检测推理加速方法。
技术介绍
[0002]目标检测是计算机视觉领域的经典任务之一,旨在定位图像中感兴趣的目标物体的位置并识别物体的具体类别。在计算机视觉领域,目标检测的数据样本可以包含现实世界里的任何对象,比如人、动物、汽车、建筑物等。整个任务的训练阶段即输入大量数据样本,训练卷积神经网络提取目标类别相关的高级语义特征并输出物体的位置和类别结果,也就是搜索和求解模型最优参数。当模型参数已经求解出来,使用和部署模型则称为推断阶段。
[0003]随着人工智能技术的发展以及数据样本不断扩充,研究人员开始致力于使用深度学习技术来解决遥感、无人机、卫星等高空鸟瞰图像的目标检测问题。在鸟瞰图像(遥感、无人机图像)这类目标通常小而稀疏的场景中,目标检测对象大多是具有丰富自然属性和社会属性的地物,比如飞机、车辆、船舶、建筑等有清晰边界,可以明显区别于背景环境的目标。与一般场景相比,鸟瞰图场景在至少有两个方面存在较大的不同:(1)目标的尺度相比通用数据集(如MS COCO)的目标尺度小很多,这些小目标在通用检测器下采样过程中可能会丢失大部分信息或消失,因而导致在这些场景下通用检测器准确率较低,很难实现高精度的全图像检测。(2)物体在图像中稀疏分布,通常只在局部区域聚集。例如,车辆通常集中在道路上,油罐经常集中在工厂,图中的其他区域有大面积的背景,如森林、农田、海洋等。由于这些特征,鸟瞰图场景下的目标检测具有 ...
【技术保护点】
【技术特征摘要】
1.一种基于切片筛选的目标检测推理加速方法,其特征在于,包括以下步骤:S1、对鸟瞰图原图按设定的大小以相邻切片有一定重叠的方式进行划分,得到大小相同的切片;S2、对划分得到的切片,使用由卷积神经网络来预测切片中每个区域包含目标的概率,输出关于切片的概率矩阵,取所有概率中最大值作为每个切片包含目标的概率;S3、利用双阈值筛选方法对每个切片包含目标的概率进行筛选,得到明显和潜在包含目标的切片;S4、对筛选出的明显和潜在包含有目标的切片进行目标检测,同时以原图作为辅助预测,输出相对于切片和原图的检测结果;S5、将相对于切片的检测结果映射到原图上,再对所有检测结果进行后处理去除冗余项,得到融合后的最终检索结果。2.根据权利要求1所述的基于切片筛选的目标检测推理加速方法,其特征在于,步骤S1中,切片大小设定方法为:基于预训练模型数据集中目标面积与原图面积的比率以及将数据集目标大小的统计结果,保持将数据集和预训练模型数据集目标大小与送入检测器的图像大小比率一致。3.根据权利要求1所述的基于切片筛选的目标检测推理加速方法,其特征在于,步骤S1中相邻切片的重叠比例为0.25。4.根据权利要求1所述的基于切片筛选的目标检测推理加速方法,其特征在于,步骤S1中,按照划分的顺序将切出的切片按照行列顺序记为表示该切片来自于第i行第j列,每一块的左上、右上、左下、右下坐标分别为(X
min
,Y
min
)、(X
max
,Y
min
)、(X
min
,Y
max
)、(X
max
,Y
max
),其中:X
min
=i*S
width
‑
i*Overlap ratioY
min
=j*S
height
‑
j*Overlap ratioX
max
=X
min
+S
width
Y
max
=Y
min
+S
height
其中,Overlap ratio为重叠比例,采用0.25;S
width
为切片宽度,S
height
为切片高度,I
width
为原图宽度,I
height
为原图高度。5.根据权利要求1所述的基于切片筛选的目标检测推理加速方法,其特征在于,步骤S2中切片为覆盖数据集85%以上目标大小的最小方格。6.根据权利要求1所述的基于切片筛选的目标检...
【专利技术属性】
技术研发人员:吴铭,张闯,邓筱,吕成,王诗尊,
申请(专利权)人:北京邮电大学,
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。