【技术实现步骤摘要】
本专利技术涉及计算机视觉及图像处理，尤其涉及一种基于图像处理技术的目标检测方法及系统。
技术介绍
1、随着计算机视觉和深度学习技术的快速发展，基于卷积神经网络的目标检测方法取得了显著进展，如r-cnn、ssd和yolo系列均在精度和速度方面取得了平衡，然而当前主流检测框架仍依赖于大规模、精确的标注数据，且通常采用预设的锚框或滑动窗口方式生成候选边界框，这种方式存在以下不足，标注成本高：获取大规模、高质量的矩形框标注不仅耗时耗力，而且对标注人员的专业水平要求高；伪标签噪声大：在弱监督或半监督场景中，传统的伪标签生成往往缺乏有效的噪声过滤机制，易引入错误样本影响学生模型的学习效果；模型更新滞后：教师学生协同训练中，教师模型参数更新多依赖于手工设定的时间间隔或固定策略，缺乏对生成伪标签质量的动态感知与调整。
技术实现思路
1、为了克服标注成本高且效率低的缺点，本专利技术提供了一种基于图像处理技术的目标检测方法及系统。
2、本专利技术的技术方案为：一种基于图像处理技术的目标检测方法，包
本文档来自技高网...【技术保护点】
1.一种基于图像处理技术的目标检测方法，其特征是，包括以下步骤：
2.按照权利要求1所述的一种基于图像处理技术的目标检测方法，其特征是，所述获取目标物体的历史标注数据，并对所述历史标注数据进行数据预处理，包括：根据目标物体所处地区的数据库，获取历史标注数据，所述历史标注数据包含目标物体的尺寸数据、位置数据或上下文特征，并对历史标注数据进行异常值剔除、重复数据去重和噪声标注剔除的预处理。
3.按照权利要求1所述的一种基于图像处理技术的目标检测方法，其特征是，所述基于预处理后的历史标注数据，通过预训练的混合高斯模型动态生成候选边界框，包括：根据预处...
【技术特征摘要】
1.一种基于图像处理技术的目标检测方法，其特征是，包括以下步骤：
2.按照权利要求1所述的一种基于图像处理技术的目标检测方法，其特征是，所述获取目标物体的历史标注数据，并对所述历史标注数据进行数据预处理，包括：根据目标物体所处地区的数据库，获取历史标注数据，所述历史标注数据包含目标物体的尺寸数据、位置数据或上下文特征，并对历史标注数据进行异常值剔除、重复数据去重和噪声标注剔除的预处理。
3.按照权利要求1所述的一种基于图像处理技术的目标检测方法，其特征是，所述基于预处理后的历史标注数据，通过预训练的混合高斯模型动态生成候选边界框，包括：根据预处理后的历史标注数据，从预训练完成的混合高斯模型中动态选择至少一个高斯成分，基于所选高斯成分的均值和方差，分别生成横向高斯核与纵向高斯核，将横向高斯核与纵向高斯核的响应值相乘生成二维概率热力图，并根据预设阈值提取候选边界框。
4.按照权利要求3所述的一种基于图像处理技术的目标检测方法，其特征是，所述根据预处理后的历史标注数据，从预训练完成的混合高斯模型中动态选择至少一个高斯成分，包括：对历史标注数据中的目标物体尺寸分布进行聚类分析确定高斯成分数量，通过联合优化损失函数，同步更新高斯成分的均值、方差及权重，其中优化损失函数为生成边界框与真实标注框的交并比损失和高斯成分参数与历史数据分布的kl散度约束损失。
5.按照权利要求4所述的一种基于图像处理技术的目标检测方法，其特征是，所述其中优化损...
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。