基于图像尺寸优化的目标检测方法、系统、设备及介质技术方案

本发明专利技术公开一种基于图像尺寸优化的目标检测方法、系统、设备及介质，涉及图像处理技术领域，包括：获取安检图像，标注目标位置；对安检图像进行裁剪得到目标图像，以此构建训练集；根据图像尺寸要求，确定目标图像的宽调整比例和高调整比例；若宽调整比例和高调整比例至少有一项不小于比例阈值，则在训练集中选择至少一张其他目标图像与当前目标图像进行拼接，并将拼接后的目标图像根据图像尺寸要求进行尺寸调整和填充处理；对处理后的目标图像中的目标坐标进行坐标变换，并以此对构建的网络进行训练，从而进行目标检测。有效减小了图像归一化处理后无实际意义的填充区域，节约计算资源，提高网络的训练和推理速度。提高网络的训练和推理速度。提高网络的训练和推理速度。

【技术实现步骤摘要】
基于图像尺寸优化的目标检测方法、系统、设备及介质


[0001]本专利技术涉及图像处理
，特别是涉及一种基于图像尺寸优化的目标检测方法、系统、设备及介质。

技术介绍

[0002]随着深度学习在图像目标检测领域的应用越来越广泛，许多特定场景下的图像会形成大量的数据样本，从而送进卷积神经网络进行训练。然而，由于图像尺寸大小不一，宽高比例各异，在输入卷积神经网络进行训练之前，会对图像的宽高进行“归一化”（一般简称为图像Resize）。
[0003]图像Resize的方法有图像上/下采样，主要包括：最近邻插值、双线性插值、双三次插值等；但是，该方法虽然可以完成图像Resize，但是，图像中目标的宽高比也会随之改变，图像中的物体和现实世界的物体存在一定的差异性，影响最终的目标检测性能。
[0004]基于Letterbox的图像Resize方法可以保持图像中的物体与实际物体的长宽比例不发生畸变；但是，Letterbox方法存在填充的无意义区域（一般称为padding区域），那么会导致出现较多的冗余计算，即对padding区域的冗余计算，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像尺寸优化的目标检测方法，其特征在于，包括：获取安检图像，并标注目标位置；根据目标位置和设定的裁剪尺寸对安检图像进行裁剪，得到目标图像，并以此构建训练集；根据图像尺寸要求，确定目标图像的宽调整比例和高调整比例；设定比例阈值，若宽调整比例和高调整比例至少有一项不小于比例阈值，则在训练集中选择至少一张其他目标图像与当前目标图像进行拼接，并将拼接后的目标图像根据图像尺寸要求进行尺寸调整和填充处理；根据裁剪尺寸和填充尺寸，对处理后的目标图像中的目标坐标进行处理前后的坐标变换，并以此对构建的网络进行训练，从而进行目标检测。2.如权利要求1所述的基于图像尺寸优化的目标检测方法，其特征在于，所述安检图像为被动式太赫兹图像和/或主动式毫米波图像。3.如权利要求1所述的基于图像尺寸优化的目标检测方法，其特征在于，根据图像尺寸要求进行尺寸调整后，对不满足图像尺寸要求的部分填充纯色，直至填充后目标图像的宽高均满足图像尺寸要求，所述填充区域为无实际意义的区域。4.如权利要求1所述的基于图像尺寸优化的目标检测方法，其特征在于，所述拼接的过程包括：若宽调整比例不小于比例阈值，高调整比例小于比例阈值，则选择的其他目标图像的张数为宽调整比例往下取整后减一，将选择的其他目标图像沿当前目标图像的宽方向依次拼接；若宽调整比例小于比例阈值，高调整比例不小于比例阈值，则选择的其他目标图像的张数为高调整比例往下取整后减一，将选择的其他目标图像沿当前目标图像的高方向依次拼接。5.如权利要求4所述的基于图像尺寸优化的目标检测方法，其特征在于，若宽调整比例和高调整比例均不小于比例阈值，则，首先选择的其他目标图像的张数为宽调整比例往下取整后减一，将此时选择的其他目标图像沿宽方向进行拼接；然后对宽方向的每一张目标图像再沿高方向进行拼接，所选择的张数为高调整比例往下取整后减一；或者，首先选择的其他目标图像的张数为高...

【专利技术属性】
技术研发人员：郭林，胡睿佶，王文静，施梦军，张军，孙泽月，陈林，刘亦鹏，
申请(专利权)人：国擎山东信息科技有限公司，
类型：发明
国别省市：