【技术实现步骤摘要】
本专利技术属于特定计算模型领域，具体涉及一种图像处理方法。
技术介绍
1、在很多计算机视觉应用场景中，如多无人机协同巡查、多摄像头监控等，经常需要对多组图像进行拼接，还需要针对拼接的图像进行目标检测。现有的解决方案是先将多张照片进行图像拼接，然后再对拼接后的完整图像进行目标检测。但这种“串联”式的处理流程存在诸多缺陷：
2、1、模型无法实现端到端的训练，需要大量针对图像拼接和目标检测的实际样本，成本高昂。
3、2、图像拼接与目标检测的损失函数不统一，导致整体模型的泛化能力较弱。
4、3、处理时需先完成图像拼接，再进行目标检测，处理速度较慢，而且难以通过并行的方式提高效率。
技术实现思路
1、本专利技术提出了一种基于多任务学习的融合拼接与目标检测的图像处理方法，其目的是：解决训练成本高、泛化能力弱和处理速度慢的问题。
2、本专利技术技术方案如下：
3、一种基于多任务学习的融合拼接与目标检测的图像处理方法，将多张原始图像输入至处理模型...
【技术保护点】
1.一种基于多任务学习的融合拼接与目标检测的图像处理方法，将多张原始图像输入至处理模型中，得到拼接后的完整图像，以及对应所述完整图像的一个以上的标注信息，每个标注信息包括一个边界框，以及边界框中的目标所对应的类别和属于该类别的概率，其特征在于：所述处理模型为多任务学习处理模型，它包括特征提取模块、图像拼接模块、目标检测模块和融合模块；
2.如权利要求1所述的基于多任务学习的融合拼接与目标检测的图像处理方法，其特征在于：特征提取模块生成多层次、多尺度的特征图，并且这些特征图将同时输出给图像拼接模块和目标检测模块；
3.如权利要求2所述的基于多任务...
【技术特征摘要】
1.一种基于多任务学习的融合拼接与目标检测的图像处理方法，将多张原始图像输入至处理模型中，得到拼接后的完整图像，以及对应所述完整图像的一个以上的标注信息，每个标注信息包括一个边界框，以及边界框中的目标所对应的类别和属于该类别的概率，其特征在于：所述处理模型为多任务学习处理模型，它包括特征提取模块、图像拼接模块、目标检测模块和融合模块；
2.如权利要求1所述的基于多任务学习的融合拼接与目标检测的图像处理方法，其特征在于：特征提取模块生成多层次、多尺度的特征图，并且这些特征图将同时输出给图像拼接模块和目标检测模块；
3.如权利要求2所述的基于多任务学习的融合拼接与目标检测的图像处理方法，其特征在于：图像拼接模块的具体处理过程为：
4.如权利要求3所述的基于多任务学习的融合拼接与目标检测的图像处理方法，其特征在于：目标检测模块中，对于第张原始图像，处理过程为：
【专利技术属性】
技术研发人员：吴俊峰，赵静，寇昆湖，高龙，王超，徐从安，潘斌，裴晓淞，
申请(专利权)人：中国人民解放军海军航空大学，
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。