【技术实现步骤摘要】
本公开涉及图像处理，具体地，涉及一种十亿像素级目标检测方法、装置、介质及电子设备。
技术介绍
1、目标检测在计算机视觉领域是一个核心问题，其目的为确定图像中特定目标的位置和大小，而针对十亿像素成像的目标检测是其中最具有挑战性和重要意义的问题之一。十亿像素目标检测能够提供极高的分辨率，在大规模场景下，例如在城市或卫星图像中，能够捕捉到更多、更小、更精细的目标。这种高像素检测能力对于军事侦察、环境监测、精准农业等领域来说至关重要。
2、panda[xueyang wang,xiya zhang,yinheng zhu,yuchen guo,xiaoyun yuan,liuyu xiang,zerun wang,guiguang ding,david brady,qionghai dai,et al.,“panda:agigapixel-level human-centric video dataset,”in cvpr,2020.]推出了有史以来第一个千兆像素级的以人为中心的视频数据集。这个数据集专门设计用于大规模、长期和多对象的视觉分析。近年来，针对十亿像素成像的目标检测问题大多通过将其划分为可管理的补丁来处理十亿像素级别的图像。pan[jiahao fan,huabin liu,wenjie yang,johnsee,aixin zhang,and weiyao lin,“speed up object detection on gigapixel-levelimages with patch arrangement
3、上述方法虽然可以有效检测十亿像素级别的图像，但是受限于其庞大的计算需求、处理的各种尺度规模的对象以及背景细节激增等诸多困难点，无法兼顾精确度和速度。
技术实现思路
1、针对现有技术中的缺陷，本公开的目的是提供一种十亿像素级目标检测方法、装置、介质及电子设备。
2、为实现上述目的，根据本公开的第一方面，提供一种十亿像素级目标检测方法，包括：
3、采用预训练的快速检测器对十亿像素级图像进行检测处理，确定所述十亿像素级图像的目标尺寸分布；
4、采用预训练的sam模型对所述十亿像素级图像进行背景移除处理，确定无背景的十亿像素级图像区域；
5、根据所述十亿像素级图像的目标尺寸分布，采用所述预训练的快速检测器和预训练的慢速检测器对所述无背景的十亿像素级图像区域进行目标检测处理，确定目标检测结果。
6、可选地，所述采用预训练的快速检测器对十亿像素级图像进行检测处理，确定所述十亿像素级图像的目标尺寸分布，包括：
7、采用所述预训练的快速检测器对所述十亿像素级图像进行第一下采样处理，确定第一下采样图像；
8、采用所述预训练的快速检测器对所述十亿像素级图像进行目标检测处理，确定所述十亿像素级图像的目标尺寸分布。
9、可选地，所述采用预训练的sam模型对所述十亿像素级图像进行背景移除处理，确定无背景的十亿像素级图像区域，包括：
10、采用所述预训练的sam模型对所述十亿像素级图像进行第二下采样处理，确定第二下采样图像；
11、根据预设的目标阈值，采用所述预训练的sam模型对所述第二下采样图像进行区域筛选处理，确定所述无背景的十亿像素级图像区域。
12、可选地，所述根据预设的目标阈值，采用所述预训练的sam模型对所述第二下采样图像进行区域筛选处理，确定所述无背景的十亿像素级图像区域，包括：
13、将所述第二下采样图像中大于所述预设的目标阈值的像素点，确定为背景区域并移除；
14、将所述第二下采样图像中小于所述预设的目标阈值的像素点，确定为所述无背景的十亿像素级图像区域并保留。
15、可选地，所述根据所述十亿像素级图像的目标尺寸分布，采用所述预训练的快速检测器和预训练的慢速检测器对所述无背景的十亿像素级图像区域进行目标检测处理，确定目标检测结果，包括：
16、采用tensorrt对所述预训练的快速检测器进行优化处理，确定经过优化处理的快速检测器；
17、将所述预训练的慢速检测器转化为半浮点数精度，确定经过转换的慢速检测器；
18、根据预设的检测阈值和所述十亿像素级图像的目标尺寸分布，采用所述经过优化处理的快速检测器和所述经过转换的慢速检测器对所述无背景的十亿像素级图像区域进行目标检测处理，确定所述目标检测结果。
19、可选地，所述根据预设的检测阈值和所述十亿像素级图像的目标尺寸分布，采用所述经过优化处理的快速检测器和所述经过转换的慢速检测器对所述无背景的十亿像素级图像区域进行目标检测处理，确定所述目标检测结果，包括：
20、若所述无背景的十亿像素级图像区域上的目标的目标尺寸大于所述预设的检测阈值，采用所述经过优化处理的快速检测器进行目标检测处理，确定第一目标检测结果；
21、若所述无背景的十亿像素级图像区域上的目标的目标尺寸不大于所述预设的检测阈值，采用所述经过转化处理的慢速检测器进行目标检测处理，确定第二目标检测结果。
22、可选地，所述方法还包括：
23、对预设的数据集进行预处理，确定训练数据集；
24、采用所述训练数据集对预设的快速检测器、预设的慢速检测器以及预设的sam模型进行模型训练，确定所述预训练的快速检测器、所述预训练的慢速检测器以及所述预训练的sam模型。
25、根据本公开的第二方面，提供一种十亿像素级目标检测装置，包括：
26、第一检测处理模块，用于采用预训练的快速检测器对十亿像素级图像进行检测处理，确定所述十亿像素级图像的目标尺寸分布；
27、背景处理模块，用于采用预训练的sam模型对所述十亿像素级图像进行背景移除处理，确定无背景的十亿像素级图像区域；<本文档来自技高网...
【技术保护点】
1.一种十亿像素级目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述采用预训练的快速检测器对十亿像素级图像进行检测处理，确定所述十亿像素级图像的目标尺寸分布，包括：
3.根据权利要求1所述的方法，其特征在于，所述采用预训练的SAM模型对所述十亿像素级图像进行背景移除处理，确定无背景的十亿像素级图像区域，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据预设的目标阈值，采用所述预训练的SAM模型对所述第二下采样图像进行区域筛选处理，确定所述无背景的十亿像素级图像区域，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述十亿像素级图像的目标尺寸分布，采用所述预训练的快速检测器和预训练的慢速检测器对所述无背景的十亿像素级图像区域进行目标检测处理，确定目标检测结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据预设的检测阈值和所述十亿像素级图像的目标尺寸分布，采用所述经过优化处理的快速检测器和所述经过转换的慢速检测器对所述无背景的十亿像素级图像区域进行目标检测处理，确定
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种十亿像素级目标检测装置，其特征在于，包括：
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种十亿像素级目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述采用预训练的快速检测器对十亿像素级图像进行检测处理，确定所述十亿像素级图像的目标尺寸分布，包括：
3.根据权利要求1所述的方法，其特征在于，所述采用预训练的sam模型对所述十亿像素级图像进行背景移除处理，确定无背景的十亿像素级图像区域，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据预设的目标阈值，采用所述预训练的sam模型对所述第二下采样图像进行区域筛选处理，确定所述无背景的十亿像素级图像区域，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述十亿像素级图像的目标尺寸分布，采用所述预训练的快速检测器和...
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。