图像目标检测方法和装置制造方法及图纸

本申请涉及计算机视觉技术领域，具体而言，涉及一种图像目标检测方法和装置，一定程度上可以解决由于计算机配置不足，难以支持对超大图像进行目标检测任务的问题。所述图像目标检测方法包括：根据图像处理策略对目标图像进行切分，得到至少两个子目标图像和子目标图像在目标图像中的位置信息；将子目标图像和子目标图像的位置信息输入目标检测模型，获取目标检测模型输出的子目标图像中包含的目标的第一标签；根据子目标图像的位置信息对所有子目标图像进行重构，得到重构目标图像；根据各个子目标图像分别对应的第一标签和子目标图像在重构目标图像中的位置信息，确定重构目标图像中包括的目标在重构目标图像中的位置信息和类别信息。息和类别信息。息和类别信息。

【技术实现步骤摘要】
图像目标检测方法和装置


[0001]本申请涉及计算机视觉
，具体而言，涉及一种图像目标检测方法和装置。

技术介绍

[0002]深度学习目标检测是计算机视觉领域一个非常重要的方向，基于深度学习的目标检测算法是将一系列带有目标类别标签的图像作为输入对初始深度学习目标检测模型进行训练，得到深度学习目标检测模型；然后将待检测图像输入深度学习目标检测模型中，通过深度学习目标检测模型能够提取出待检测图像中的目标。如图1所示为现有技术中通过深度学习目标检测模型检测出图像中含有一个目标的示意图，该目标所在区域用矩形框标示。
[0003]深度学习目标检测模型需要对待检测图像进行读取，而当输入到深度学习目标检测模型的待检测图像的尺寸过大时，计算机由于配置不足，难以对如此大的图像进行网络计算，进而不能完成目标检测任务。
[0004]现有技术中，一般通过修改图像尺寸的方式对大尺寸的待检测图像进行缩放，但当缩放比例较大时，将损失待检测图像的大量细节信息，进而降低目标检测的正确率。

技术实现思路

[0005]为了解决由于计算机配置不足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像目标检测方法，其特征在于，所述方法包括：根据图像处理策略对目标图像进行切分，得到至少两个子目标图像和所述子目标图像在所述目标图像中的位置信息，所述目标图像为对待定位的目标所在区域进行拍摄后得到的图像；将所述子目标图像和所述子目标图像的位置信息输入目标检测模型，获取所述目标检测模型输出的所述子目标图像中包含的所述目标的第一标签，所述第一标签用于表征所述目标在所述子目标图像中的位置信息和所述目标的类别信息；根据所述子目标图像的位置信息对所有所述子目标图像进行重构，得到所述重构目标图像；根据各个所述子目标图像分别对应的所述第一标签和所述子目标图像在所述重构目标图像中的位置信息，确定所述重构目标图像中包括的所述目标对应的第二标签，所述第二标签用于表征所述目标在所述重构目标图像中的位置信息和所述目标的类别信息。2.如权利要求1所述的图像目标检测方法，其特征在于，所述根据图像处理策略对目标图像进行切分，包括：当所述目标图像的尺寸大于预设尺寸时，对所述目标图像进行切分，得到至少两个所述子目标图像，所述子目标图像的尺寸等于所述预设尺寸；相邻的两个所述子目标图像之间有重叠区域，所述重叠区域的面积与所述子目标图像的面积之间的比例根据所述目标的面积确定。3.如权利要求2所述的图像目标检测方法，其特征在于，所述当所述目标图像的尺寸大于预设尺寸时，对所述目标图像进行切分，得到至少两个所述子目标图像，包括：当所述目标图像的尺寸大于预设尺寸时，根据所述预设尺寸的切分窗口从所述目标图像的一个顶点开始沿预设方向进行滑窗切分，得到所述子目标图像，沿所述预设方向或所述预设方向的垂直方向相邻的两个所述子目标图像之间存在所述重叠区域。4.如权利要求1所述的图像目标检测方法，其特征在于，所述根据图像处理策略对目标图像进行切分，包括：当所述目标图像的尺寸小于所述预设尺寸时，对所述目标图像进行填充，得到所述子目标图像，所述子目标图像的尺寸等于所述预设尺寸。5.如权利要求4所述的图像目标检测方法，其特征在于，所述对所述目标图像进行填充，包括：在所述目标图像的右侧区域和下侧区域填充像素值为0的图像。6.如权利要求1
‑
5中任一项所述的图像目标检测方法，其特征在于，所述根据各个所述子目标图像分别对应的所述第一标签和所述子目标图像在所述重构目标图像中的位置信息，确定所述重构目标图像中包括的所述目标对应的第二标签，包括：根据所述子目标图像中的目标的类别信息，确定所述重构目标图像中的目标的类别信息；根据所述子目标图像在所述重构目标图像中的位置信息，以及所述目标在所述子...

【专利技术属性】
技术研发人员：郭列，姚毅，
申请(专利权)人：凌云光技术股份有限公司，
类型：发明
国别省市：