密度图预测模型的训练方法、装置及目标对象计数方法、装置制造方法及图纸

本申请涉及计算机视觉技术领域，提供了一种密度图预测模型的训练方法、装置及目标对象计数方法<subgt;、</subgt;装置。该训练方法包括：获取原始图像和至少一个比较样本，原始图像包含至少一个对象类别，以及每个对象类别中的目标对象的真实数量，每个对象类别对应一个比较样本，比较样本包含目标对象类别的轮廓；通过滑动窗口提供像素的块区域作为输入来预测每个像素的类标签，基于比较样本输出对应类别的密度图；基于对应类别的密度图与每个对象类别中的目标对象的真实数量，计算损失值；基于损失值，对预设的密度预测网络的参数进行更新，直至满足预设的迭代终止条件，得到密度图预测模型。利用该方法能够提高对目标对象的计数准确度。

【技术实现步骤摘要】

本申请涉及计算机视觉，尤其涉及一种密度图预测模型的训练方法、装置及目标对象计数方法、装置。

技术介绍

1、目标计数算法的目的是统计图片中目标的数量。现有的目标计数算法受限于标注数据的限制，主要集中于某种特定的类别，例如人、动物、细胞等，对不同类别目标计数的效果不好。

2、现有的目标计数算法通常是将计数当作一个有监督回归任务，这就导致了需要大量标注的图像，往往需要大量图像用于模型的训练。且当前的目标计数算法存在计数准确度不够高的问题。

技术实现思路

1、有鉴于此，本申请实施例提供了一种密度图预测模型的训练方法、装置及目标对象计数方法、装置，以解决现有技术中需要大量图像用于模型的训练且计数精确度不够高的问题。

2、本申请实施例的第一方面，提供了一种密度图预测模型的训练方法，包括：

3、获取原始图像和至少一个比较样本，原始图像包含至少一个对象类别，以及每个对象类别中的目标对象的真实数量，每个对象类别对应一个比较样本；

4、通过滑动窗口对原始图像进行划分，得到原始图像的本文档来自技高网...

【技术保护点】

1.一种密度图预测模型的训练方法，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，通过滑动窗口对所述原始图像进行划分，得到所述原始图像的像素的块区域，将所述像素的块区域作为预设的密度预测网络的输入来预测每个像素的类别标签，基于所述比较样本输出预测密度图，包括：

3.根据权利要求2所述的方法，其特征在于，根据所述相似度输出预测密度图，包括：

4.根据权利要求2所述的方法，其特征在于，所述密度预测网络采用Unet网络，其中所述Unet网络包括下采样层和上采样层；

5.根据权利要求4所述的方法，其特征在于，通过所述下采样层对所述原始...

【技术特征摘要】

1.一种密度图预测模型的训练方法，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，通过滑动窗口对所述原始图像进行划分，得到所述原始图像的像素的块区域，将所述像素的块区域作为预设的密度预测网络的输入来预测每个像素的类别标签，基于所述比较样本输出预测密度图，包括：

3.根据权利要求2所述的方法，其特征在于，根据所述相似度输出预测密度图，包括：

4.根据权利要求2所述的方法，其特征在于，所述密度预测网络采用unet网络，其中所述unet网络包括下采样层和上采样层；

5.根据权利要求4所述的方法，其特征在于，通过所述下采样层对所述原始图像进行尺寸...

【专利技术属性】
技术研发人员：蒋召，师平，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：