CN112001912A - 目标检测方法和装置、计算机系统和可读存储介质 - Google Patents

目标检测方法和装置、计算机系统和可读存储介质 Download PDF

Info

Publication number
CN112001912A
CN112001912A CN202010878201.7A CN202010878201A CN112001912A CN 112001912 A CN112001912 A CN 112001912A CN 202010878201 A CN202010878201 A CN 202010878201A CN 112001912 A CN112001912 A CN 112001912A
Authority
CN
China
Prior art keywords
training
picture
target detection
data set
detected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010878201.7A
Other languages
English (en)
Other versions
CN112001912B (zh
Inventor
赵鹏昊
张海滨
李曙鹏
施恩
谢永康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010878201.7A priority Critical patent/CN112001912B/zh
Publication of CN112001912A publication Critical patent/CN112001912A/zh
Priority to KR1020210028050A priority patent/KR102558704B1/ko
Priority to JP2021040067A priority patent/JP7079358B2/ja
Priority to US17/200,445 priority patent/US20220067375A1/en
Priority to EP21163231.0A priority patent/EP3819823B1/en
Application granted granted Critical
Publication of CN112001912B publication Critical patent/CN112001912B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/66—Trinkets, e.g. shirt buttons or jewellery items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/11—Technique with transformation invariance effect

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开的实施例公开了一种目标检测方法和装置、计算机系统和可读存储介质，涉及计算机视觉和图像处理领域。该目标检测方法包括：通过统计第一训练数据集中各个训练图片上的目标占比，确定第一训练数据集中的至少一个典型目标占比；基于至少一个典型目标占比确定至少一个图片缩放尺寸，并根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放；通过对各个经过缩放的训练图片进行切片，获取第二训练数据集；利用第二训练数据集对目标检测模型进行训练；以及利用经过训练的目标检测模型对待检测图片进行目标检测。根据本公开的实施例的目标检测方法可以在无需人工干预的情况下完成极小目标检测任务。

Description

目标检测方法和装置、计算机系统和可读存储介质
技术领域
本公开涉及计算机视觉和图像处理领域，更具体地涉及一种目标检测方法和装置、计算机系统和可读存储介质。
背景技术
近年来，以目标检测为代表的计算机视觉技术取得了较为瞩目的进展。目标检测技术的应用为许多行业带来了更好的体验、更高的效率，同时还降低了成本。例如，汽车的自动驾驶领域可以利用目标检测技术来检测行人、车辆、障碍物，从而提高汽车驾驶的安全性和便利性；安防监控领域可以利用目标检测技术来监控特定人物或物体的出现、移动等信息；医疗诊断领域可以利用目标检测技术来发现病变区域、统计细胞数量等。
然而，在某些行业或领域中，目标相对图像采集区域非常小，一般在1:100到1:1000范围内，这使得很难甚至无法利用目前的目标检测技术在针对目标采集区域拍摄的图片上实现对于这种极小目标的检测。例如，在工业领域中，当需要在焊接钢板的X光扫描图中探测虚焊或者在手机玻璃盖板的扫描影像中检测瑕疵时，由于虚焊活瑕疵相对整个图片的占比非常小，无法直接使用目前的目标检测技术来实现对于这种极小目标的检测。
发明内容
根据本公开的第一方面，本公开的实施例公开了一种目标检测方法，包括：通过统计第一训练数据集中各个训练图片上的目标占比，确定第一训练数据集中的至少一个典型目标占比；基于至少一个典型目标占比确定至少一个图片缩放尺寸，并根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放；通过对各个经过缩放的训练图片进行切片，获取第二训练数据集；利用第二训练数据集对目标检测模型进行训练；以及利用经过训练的目标检测模型对待检测图片进行目标检测。
根据本公开的第二方面，本公开的实施例公开了一种目标检测装置，包括：切图配置模块，被配置为通过统计第一训练数据集中各个训练图片上的目标占比，确定第一训练数据集中的至少一个典型目标占比，基于至少一个典型目标占比确定至少一个图片缩放尺寸，并根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放；模型训练模块，被配置为通过对各个经过缩放的训练图片进行切片，获取第二训练数据集，并利用第二训练数据集对目标检测模型进行训练；以及目标检测模块，被配置为利用经过训练的目标检测模型对待检测图片进行目标检测。
根据本公开的第三方面，本公开的实施例公开了一种计算机系统，包括：处理器；以及存储计算机程序的存储器，该计算机程序在被处理器执行时使得处理器执行上述目标检测方法。
根据本公开的第四方面，本公开的实施例公开了一种存储计算机程序的计算机可读存储介质，该计算机程序在由计算机系统的处理器执行时使得计算机系统执行上述目标检测方法。
根据本公开的一个或多个实施例，通过统计第一训练数据集中的目标占比确定第一训练数据集中的至少一个典型目标占比，基于至少一个典型目标占比确定至少一个图片缩放尺寸，根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放，通过对各个经过缩放的训练图片进行切片获取第二训练数据集，并利用第二训练数据集对目标检测模型进行训练，可以使得经过训练的目标检测模型在目标相对待检测图片占比很小的情况下也能够在待检测图片上准确地检测到目标，因此可以在无需人工干预的情况下高质量地完成小目标检测任务。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于说明实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1是示出根据本公开的实施例的目标检测方法的流程图；
图2a是示出经过缩放的训练图片的示例的示意图；
图2b是示出对图2a所示的经过缩放的训练图片进行切片的示意图；
图3是示出图1所示的目标检测方法中的步骤S105的流程图；
图4是示出根据本公开的实施例的目标检测装置的结构框图；以及
图5是示出能够用于实现本公开的实施例的示例性计算机系统的结构框图。
具体实施方式
下面结合附图和实施例对本公开进行进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外，还需要说明的是，为了便于描述，附图中仅示出了与相关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的步骤或功能模块的编号仅用于对各个步骤或功能模块进行标识，而不用于限制各个步骤的执行顺序或各个功能模块相互之间的连接关系。
目前，存在以下几种小目标检测方案：1)利用特征金字塔网络(FPN)层，通过对输入图片上的特征进行多尺度融合改善小目标检测效果；2)对输入图片进行不同尺度的放大，对不同放大尺度的输入图片进行目标检测，然后对不同放大尺度的输入图片的目标检测结果进行合并；3)通过对训练图片进行切片并对与训练图片相关联的标注信息进行修改获取训练图像切片及其相关联的标注信息，用训练图像切片及其相关联的标注信息对目标检测模型进行训练，并利用经过训练的目标检测模型进行目标检测。
以上几种方案存在以下缺点：方案1)只能在目标占比1:10这种级别的小目标上改善检测效果，不适用于例如，目标占比为1:100的极小目标检测；方案2)可以相应地增大目标的尺寸，但是由于图片处理器(GPU)显存的限制，目标检测模型的输入图片的尺寸一般只能在2000像素左右，显然不适用于需要将输入图片放大到5000像素甚至10000像素的极小目标检测；方案3)需要针对不同的训练数据集手动选择不同的训练图像切片尺寸，并且经过训练的目标检测模型对待检测图片整体进行目标检测，因此不适用于极小目标检测。
目前的小目标检测方案对于目标占比非常小的极小目标的检测效果非常差，并且无法在无需人工干预的情况下训练目标检测模型高质量地完成极小目标检测任务。
鉴于目前的小目标检测方案存在的上述问题，本公开提供了一种目标检测方法和装置，以在无需人工干预的情况下高质量地完成极小目标检测任务。根据本公开的实施例的目标检测方法和装置可以应用于例如，工业质检、农业航拍等场景。下面结合附图，详细描述根据本公开的实施例的目标检测方法和装置。
图1是示出根据本公开的实施例的目标检测方法100的流程图。如图1所示，目标检测方法100可以包括：步骤S101，通过统计第一训练数据集中各个训练图片上的目标占比，确定第一训练数据集中的至少一个典型目标占比；步骤S102，基于至少一个典型目标占比确定至少一个图片缩放尺寸，并根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放；步骤S103，通过对各个经过缩放的训练图片进行切片，获取第二训练数据集；步骤S104，利用第二训练数据集对目标检测模型进行训练；以及步骤S105，利用经过训练的目标检测模型对待检测图片进行目标检测。
根据本公开的实施例的目标检测方法通过基于第一训练数据集中的典型目标占比自适应地确定至少一个图片缩放尺寸，根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放，通过对各个经过缩放的训练图片进行切片获取第二训练数据集，并利用第二训练数据集对目标检测模型进行训练，可以使得经过训练的目标检测模型在目标相对待检测图片占比很小的情况下也能够在待检测图片上准确地检测到目标，因此可以在无需人工干预的情况下高质量地完成极小目标检测任务。
这里，第一训练数据集包括多个训练图片和分别与多个训练图片相关联的标注信息。对于任意一个训练图片，该训练图片上可以存在一个或多个目标，任意一个目标的目标占比是指该目标的目标检测框的尺寸相对于该训练图片的整体尺寸的比例，与该训练图片相关联的标注信息包括与该训练图片上的各个目标检测框相关联的坐标信息。
在一些实施例中，可以通过对第一训练数据集中的各个训练图片上的所有目标占比进行聚类，获取第一训练数据集中的至少一个典型目标占比。例如，对于任意一个训练数据集A，通过对训练数据集A中的各个训练图片上的所有目标占比进行聚类，可以获取训练数据集A中的三个典型目标占比R1、R2、以及R3。
在一些实施例中，为了方便目标检测模型的训练，可以将第一训练数据集中的各个训练图片上的大多数目标检测框的尺寸缩放到某个固定尺寸附近。因此，可以基于第一训练数据集中的至少一个典型目标占比和该固定尺寸来确定至少一个图片缩放尺寸。例如，对于训练数据集A，假定需要将各个训练图片上的大多数目标检测框的尺寸缩放到固定尺寸T0，则可以通过将固定尺寸T0与训练数据集A中的三个典型目标占比R1、R2、以及R3相除来确定三个图片缩放尺寸
Figure BDA0002653285040000041
以及
Figure BDA0002653285040000042
在一些实施例中，为了提高目标检测模型的训练效果，可以进一步基于目标检测模型的最佳检测尺寸确定至少一个图片缩放尺寸。换句话说，可以基于第一训练数据集中的至少一个典型目标占比和目标检测模型的最佳检测尺寸，确定至少一个图片缩放尺寸，以将第一训练数据集中的各个训练图片上的大多数目标检测框的尺寸缩放到目标检测模型的最佳检测尺寸附近。例如，对于训练数据集A，假定目标检测模型的最佳检测尺寸为T，则可以通过将目标检测模型的最佳检测尺寸T与训练数据集A中的典型目标占比R1、R2、以及R3相除来确定三个图片缩放尺寸
Figure BDA0002653285040000043
以及
Figure BDA0002653285040000044
在一些实施例中，根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放可以包括对于至少一个图片缩放尺寸中的任意一个图片缩放尺寸，将第一训练数据集中的各个训练图片均缩放到该图片缩放尺寸。例如，对于训练数据集A，可以将训练数据集A中的每个训练图片按照图片缩放尺寸
Figure BDA0002653285040000051
缩放三次，以使得训练数据集A中的各个训练图片的大多数目标检测框都能缩放到目标检测模型的最佳检测尺寸T附近。
替代地，在一些实施例中，根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放可以包括根据第一训练数据集中的至少一个典型目标占比将第一训练数据集中的训练图片划分为至少一个训练图片组，并将每个训练图片组中的训练图片缩放到相应的图片缩放尺寸。例如，对于训练数据集A，可以根据训练数据集A中的典型目标占比R1、R2、以及R3将训练数据集A中的训练图片划分为A1、A2、以及A3三个训练图片组，并将A1、A2、以及A3三个训练图片组中的训练图片分别缩放到三个图片缩放尺寸
Figure BDA0002653285040000052
以及
Figure BDA0002653285040000053
相比将训练数据集A中的每个训练图片按照图片缩放尺寸
Figure BDA0002653285040000054
Figure BDA0002653285040000055
缩放三次，本实施例的处理效率相对较高，但是训练效果略差。
在需要进行极小目标检测的应用场景中，第一训练数据集中的典型目标占比在例如，1:100～1:1000的范围内，各个经过缩放的训练图片的尺寸非常大，这将引起图像处理器显存不足的问题。因此，需要对各个经过缩放的训练图片进行切片。在一些实施例中，通过对各个经过缩放的训练图片进行切片，获取第二训练数据集包括：通过对各个经过缩放的训练图片进行切片，获取训练图像切片集；以及通过对第一训练数据集中与各个训练图片相关联的标注信息进行变换，获取与训练图像切片集中的各个训练图像切片相关联的标注信息，其中，训练图像切片集和与训练图像切片集中的各个训练图像切片相关联的标注信息组成第二训练数据集。基于第二训练数据集对目标检测模型进行训练，可以在避免图像处理器显存不足的问题的同时，提高目标检测模型的极小目标检测能力。
这里，对第一训练数据集中与各个训练图片相关联的标注信息进行变换是指对第一训练数据集中与各个训练图片上的目标检测框相关联的坐标信息进行变换。也就是说，对于第一训练数据集中的任意一个训练图片上的任意一个目标检测框，将与该目标检测框相关联的坐标信息从基于该训练图片的坐标信息变换为基于包含该目标检测框的训练图像切片的坐标信息，其中，该训练图像切片是通过对该训练图片进行切片获取的。
在一些实施例中，可以利用目标检测模型的输入图片尺寸作为训练图像切片尺寸，对各个经过缩放的训练图片进行切片。也就是说，无需手动设置训练图像切片尺寸，可以直接利用目标检测模型的输入图片尺寸对各个经过缩放的训练图片进行切片。
在一些实施例中，在利用目标检测模型的输入图片尺寸作为训练图像切片尺寸的情况下，可以利用小于目标检测模型的输入图片尺寸与最佳检测尺寸之差的移动步长，对各个经过缩放的训练图片进行切片。这样，可以保证各个经过缩放的训练图片上的每个目标检测框可以完整地出现在至少一个训练图像切片中。
例如，假设目标检测模型的输入图片尺寸为I，最佳检测尺寸为T，则可以将训练图像切片尺寸设置为I，并将移动步长S设置为小于I-T(即，S<I-T，例如，S＝I-2T)。图2a是示出经过缩放的训练图片的示例的示意图。图2b是示出对图2a所示的经过缩放的训练图片进行切片的示意图。如图2a和2b所示，在训练图像切片尺寸为I、移动步长为S的情况下，通过将大小为I×I的滑窗从经过缩放的训练图片的左上角顶点起分别沿横轴方向和纵轴方向滑动来对经过缩放的训练图像进行切片，其中，滑窗每次移动的距离即移动步长为S，滑窗每滑动一次即可以获取到一个训练图像切片，例如，训练图像切片Q和Q1。在一些情况中，为了得到更多的训练图像切片，可以适当减小移动步长S。
在一些实施例中，在利用目标检测模型的输入图片尺寸作为训练图像切片尺寸并利用小于目标检测模型的输入图片尺寸与最佳检测尺寸之差的移动步长对各个经过缩放的训练图片进行切片的情况下，各个经过缩放的训练图片上的每个目标检测框都可以完整地出现在至少一个训练图像切片中。为了减少训练图像切片之间的重叠区域的多检情况，对于第二训练数据集中的任意一个训练图像切片，可以从与该训练图像切片相关联的标注信息中去除与该训练图像切片上的不完整的目标检测框相关联的坐标信息。例如，如图2b所示，由于目标检测框a1在训练图像切片Q中不完整，所以可以从与训练图像切片Q相关联的标注信息中去除与目标检测框a1相关联的坐标信息；相反，目标检测框a1完整地出现在训练图像切片Q1中，所以与训练图像切片Q1相关联的标注信息中保留中与目标检测框a1相关联的坐标信息。
在一些实施例中，可以从第二训练数据集中与各个训练图像切片相关联的标注信息中去除与其尺寸与目标检测模型的最佳检测尺寸相差较大的目标检测框相关联的坐标信息，以使得这些目标检测框不参与目标检测模型的训练。这样，可以在提高目标检测模型的训练效率的同时，提高目标检测模型的训练效果。
在一些实施例中，在需要进行极小目标检测的应用场景中，由于第一训练数据集中的各个训练图片上的目标占比很小，各个训练图片的大部分区域都是不包含目标检测框的背景区域，如果仅使用包含目标检测框的训练图像切片对目标检测模型进行训练，可能会使得经过训练的目标检测模型后续对待检测图片的背景区域进行检测时出现很多误检的情况。为了避免这种情况的发生，可以利用第二训练数据集中包含目标检测框的训练图像切片、不包含目标检测框的训练图像切片、以及与它们相关联的标注信息对目标检测模型进行训练。这样，可以加强目标检测模型对于不包含目标检测框的背景区域的学习，减少在实现极小目标检测时对不包含目标检测框的背景区域的误检情况。
在一些实施例中，如图3所示，利用经过训练的目标检测模型对待检测图片进行目标检测可以包括：步骤S1051，根据至少一个图片缩放尺寸，对待检测图片进行缩放；步骤S1052，通过对经过缩放的待检测图片进行切片，获取待检测图像切片集；以及步骤S1053，将待检测图像切片集输入经过训练的目标检测模型进行目标检测。通过对待检测图片进行缩放和切图，一方面可以避免图像处理器显存不足的问题，另一方面可以实现对于待检测图像切片的极小目标检测从而实现对于待检测图片整体的极小目标检测。
在一些实施例中，可以利用目标检测模型的输入图片尺寸作为待检测图像切片尺寸，对经过缩放的待检测图片进行切片。这样，可以避免图像处理器显存不足的问题。也就是说，可以将待检测图像切片尺寸设置为与训练图像切片尺寸相同，即等于目标检测模型的输入图片尺寸。应该理解的是，也可以适当增大待检测图像切片尺寸，使其大于目标检测模型的输入图片尺寸，从而增加待检测图片的切片效率。
在一些实施例中，可以利用小于目标检测模型的输入图片尺寸与最佳检测尺寸之差的移动步长，对经过缩放的待检测图片进行切片。例如，可以将用于对经过缩放的待检测图片进行切片的移动步长设置为与用于对经过缩放的训练图片进行切片的移动步长相等。这样，可以保证经过缩放的待检测图片上的每个目标检测框完整地出现在至少一个待检测图像切片中。
在一些实施例中，对于待检测图像切片集中的任意一个待检测图像切片，如果在该待检测图像切片上检测到与其边缘重叠的目标检测框，则舍弃该目标检测框。例如，在经过训练的目标检测模型对某个待检测图像切片进行目标检测时，如果发现该待检测图像切片上的某个目标检测框不完整，则可以舍弃该目标检测框(即，不认为检测到该目标检测框)。这样，可以减少待检测图像切片之间的重叠区域的多检情况。
在一些实施例中，将待检测图像切片集输入经过训练的目标检测模型进行目标检测可以包括：利用经过训练的目标检测模型，获取与待检测图像切片集中的每个待检测图像切片上的目标检测框相关联的坐标信息；将与待检测图像切片集中的每个待检测图像切片上的目标检测框相关联的坐标信息变换为基于待检测图片的坐标信息。例如，对于在任意一个待检测图像切片上检测到的任意一个目标检测框，可以将与该目标检测框相关联的坐标信息从基于该待检测图像切片的坐标信息变换为基于待检测图像的坐标信息。这样，可以获得针对待检测图片的较为直观的目标检测结果。
综上所述，根据本公开的实施例的目标检测方法可以在无需人工干预的情况下高质量地完成极小目标检测任务，适用于例如，工业质检、农业航拍等场景。
图4是示出根据本公开的实施例的目标检测装置400的结构框图。如图4所示，目标检测装置400可以包括切图配置模块401、模型训练模块402、以及目标检测模块403。切图配置模块401被配置为通过统计第一训练数据集中各个训练图片上的目标占比，确定第一训练数据集中的至少一个典型目标占比，基于至少一个典型目标占比确定至少一个图片缩放尺寸，并根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放。模型训练模块402被配置为通过对各个经过缩放的训练图片进行切片，获取第二训练数据集，并且利用第二训练数据集对目标检测模型进行训练。目标检测模块403被配置为利用经过训练的目标检测模型对待检测图片进行目标检测。
在本实施例中，目标检测装置400及其相应功能模块的具体实现方式和技术效果可参考图1描述的实施例中的相关说明，在此不再赘述。
图5是示出能够用于实现本公开的实施例的示例性计算机系统的结构框图。下面结合图5，描述适于用来实现本公开的实施例的计算机系统500。应该明白的是，图5示出的计算机系统500仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500可以包括处理装置(例如，中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有计算机系统500操作所需的各种程序和数据。处理装置501、ROM 502、以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、摄像头、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD，Liquid Crystal Display)、扬声器、振动器等的输出装置507；包括例如闪存(Flash Card)等的存储装置508；以及通信装置509。通信装置509可以允许计算机系统500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的计算机系统500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例提供一种计算机可读存储介质，其存储计算机程序，该计算机程序包含用于执行图1所示的方法100的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，实现本公开的实施例的装置中限定的上述功能。
需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(Radio Frequency，射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述计算机系统500中所包含的；也可以是单独存在，而未装配入该计算机系统500中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算设备执行时，使得该计算机系统：通过统计第一训练数据集中各个训练图片上的目标占比，确定第一训练数据集中的至少一个典型目标占比；基于至少一个典型目标占比确定至少一个图片缩放尺寸，并根据至少一个图片缩放尺寸对第一训练数据集中的各个训练图片进行缩放；通过对各个经过缩放的训练图片进行切片，获取第二训练数据集；利用第二训练数据集对目标检测模型进行训练；以及利用经过训练的目标检测模型对待检测图片进行目标检测。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能、和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器，包括切图配置模块、模型训练模块、以及目标检测模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种目标检测方法，包括：
通过统计第一训练数据集中各个训练图片上的目标占比，确定所述第一训练数据集中的至少一个典型目标占比；
基于所述至少一个典型目标占比确定至少一个图片缩放尺寸，并根据所述至少一个图片缩放尺寸对所述第一训练数据集中的各个训练图片进行缩放；
通过对各个经过缩放的训练图片进行切片，获取第二训练数据集；
利用所述第二训练数据集对目标检测模型进行训练；以及
利用经过训练的目标检测模型对待检测图片进行目标检测。
2.根据权利要求1所述的目标检测方法，其中，进一步基于所述目标检测模型的最佳检测尺寸确定所述至少一个图片缩放尺寸。
3.根据权利要求1所述的目标检测方法，其中，根据所述至少一个图片缩放尺寸对所述第一训练数据集中的各个训练图片进行缩放包括：
对于所述至少一个图片缩放尺寸中的任意一个图片缩放尺寸，将所述第一训练数据集中的各个训练图片均缩放到该图片缩放尺寸。
4.根据权利要求1所述的目标检测方法，其中，通过对各个经过缩放的训练图片进行切片，获取第二训练数据集包括：
通过对所述各个经过缩放的训练图片进行切片，获取训练图像切片集；以及
通过对所述第一训练数据集中与各个训练图片相关联的标注信息进行变换，获取与所述训练图像切片集中的各个训练图像切片相关联的标注信息，其中
所述训练图像切片集和与所述训练图像切片集中的各个训练图像切片相关联的标注信息组成所述第二训练数据集。
5.根据权利要求4所述的目标检测方法，其中，利用所述目标检测模型的输入图片尺寸作为训练图像切片尺寸，对所述各个经过缩放的训练图片进行切片。
6.根据权利要求5所述的目标检测方法，其中，利用小于所述目标检测模型的输入图片尺寸与最佳检测尺寸之差的移动步长，对所述各个经过缩放的训练图片进行切片。
7.根据权利要求6所述的目标检测方法，还包括：
对于所述第二训练数据集中的任意一个训练图像切片，从与该训练图像切片相关联的标注信息中去除与该训练图像切片上的不完整的目标检测框相关联的坐标信息。
8.根据权利要求1所述的目标检测方法，其中，利用所述第二训练数据集中包含目标检测框的训练图像切片、不包含目标检测框的训练图像切片、以及与它们相关联的标注信息对所述目标检测模型进行训练。
9.根据权利要求1所述的目标检测方法，其中，利用所述经过训练的目标检测模型对所述待检测图片进行目标检测包括：
根据所述至少一个图片缩放尺寸，对所述待检测图片进行缩放；
通过对经过缩放的待检测图片进行切片，获取待检测图像切片集；以及
将所述待检测图像切片集输入所述经过训练的目标检测模型进行目标检测。
10.根据权利要求9所述的目标检测方法，其中，利用所述目标检测模型的输入图片尺寸作为待检测图像切片尺寸，对所述经过缩放的待检测图片进行切片。
11.根据权利要求10所述的目标检测方法，其中，利用小于所述目标检测模型的输入图片尺寸与最佳检测尺寸之差的移动步长，对所述经过缩放的待检测图片进行切片。
12.根据权利要求11所述的目标检测方法，其中，对于所述待检测图像切片集中的任意一个待检测图像切片，如果在该待检测图像切片上检测到与其边缘重叠的目标检测框，则舍弃该目标检测框。
13.根据权利要求9所述的目标检测方法，其中，将所述待检测图像切片集输入所述经过训练的目标检测模型进行目标检测包括：
利用所述经过训练的目标检测模型，获取与所述待检测图像切片集中的每个待检测图像切片上的目标检测框相关联的坐标信息；
将与所述待检测图像切片集中的每个待检测图像切片上的目标检测框相关联的坐标信息变换为基于所述待检测图片的坐标信息。
14.一种目标检测装置，包括：
切图配置模块，被配置为：
通过统计第一训练数据集中各个训练图片上的目标占比，确定所述第一训练数据集中的至少一个典型目标占比，
基于所述至少一个典型目标占比确定至少一个图片缩放尺寸，并根据所述至少一个图片缩放尺寸对所述第一训练数据集中的各个训练图片进行缩放；
模型训练模块，被配置为：
通过对各个经过缩放的训练图片进行切片，获取第二训练数据集，
利用所述第二训练数据集对目标检测模型进行训练；以及
目标检测模块，被配置为利用经过训练的目标检测模型对待检测图片进行目标检测。
15.一种计算机系统，包括：
处理器；以及
存储器，存储有计算机程序，所述计算机程序在被所述处理器执行时使得所述处理器执行根据权利要求1-13中任一项所述的目标检测方法。
16.一种存储计算机程序的计算机可读存储介质，所述计算机程序在由计算机系统的处理器执行时使得所述计算机系统执行根据权利要求1-13中任一项所述的目标检测方法。
CN202010878201.7A 2020-08-27 2020-08-27 目标检测方法和装置、计算机系统和可读存储介质 Active CN112001912B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010878201.7A CN112001912B (zh) 2020-08-27 2020-08-27 目标检测方法和装置、计算机系统和可读存储介质
KR1020210028050A KR102558704B1 (ko) 2020-08-27 2021-03-03 목표 검출 방법 및 장치, 컴퓨터 시스템 및 판독 가능 저장 매체
JP2021040067A JP7079358B2 (ja) 2020-08-27 2021-03-12 目標検出方法及び装置、コンピュータシステム並びに可読記憶媒体
US17/200,445 US20220067375A1 (en) 2020-08-27 2021-03-12 Object detection
EP21163231.0A EP3819823B1 (en) 2020-08-27 2021-03-17 Object detection method and apparatus, computer system, and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010878201.7A CN112001912B (zh) 2020-08-27 2020-08-27 目标检测方法和装置、计算机系统和可读存储介质

Publications (2)

Publication Number Publication Date
CN112001912A true CN112001912A (zh) 2020-11-27
CN112001912B CN112001912B (zh) 2024-04-05

Family

ID=73472063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010878201.7A Active CN112001912B (zh) 2020-08-27 2020-08-27 目标检测方法和装置、计算机系统和可读存储介质

Country Status (5)

Country Link
US (1) US20220067375A1 (zh)
EP (1) EP3819823B1 (zh)
JP (1) JP7079358B2 (zh)
KR (1) KR102558704B1 (zh)
CN (1) CN112001912B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614572A (zh) * 2020-12-28 2021-04-06 深圳开立生物医疗科技股份有限公司 一种病灶标记方法、装置、图像处理设备及医疗系统
CN112906611A (zh) * 2021-03-05 2021-06-04 新疆爱华盈通信息技术有限公司 一种井盖检测方法、装置、电子设备及存储介质
CN113191451A (zh) * 2021-05-21 2021-07-30 北京文安智能技术股份有限公司 图像数据集处理方法和目标检测模型训练方法
CN113870196A (zh) * 2021-09-10 2021-12-31 苏州浪潮智能科技有限公司 一种基于锚点切图的图像处理方法、装置、设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934242A (zh) * 2017-12-15 2019-06-25 北京京东尚科信息技术有限公司 图片识别方法和装置
WO2019228456A1 (zh) * 2018-05-31 2019-12-05 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置、设备及机器可读存储介质
CN110826566A (zh) * 2019-11-01 2020-02-21 北京环境特性研究所 一种基于深度学习的目标切片提取方法
CN111582012A (zh) * 2019-12-24 2020-08-25 珠海大横琴科技发展有限公司 一种检测小目标船只方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341517B (zh) 2017-07-07 2020-08-11 哈尔滨工业大学 基于深度学习层级间特征融合的多尺度小物体检测方法
CN109508673A (zh) 2018-11-13 2019-03-22 大连理工大学 一种基于棒状像素的交通场景障碍检测与识别方法
US10509987B1 (en) * 2019-01-22 2019-12-17 StradVision, Inc. Learning method and learning device for object detector based on reconfigurable network for optimizing customers' requirements such as key performance index using target object estimating network and target object merging network, and testing method and testing device using the same
CN111027547B (zh) 2019-12-06 2022-08-09 南京大学 一种针对二维图像中的多尺度多形态目标的自动检测方法
US11386645B2 (en) * 2020-07-01 2022-07-12 International Business Machines Corporation Dataset driven custom learning for multi-scale object detection

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934242A (zh) * 2017-12-15 2019-06-25 北京京东尚科信息技术有限公司 图片识别方法和装置
WO2019228456A1 (zh) * 2018-05-31 2019-12-05 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置、设备及机器可读存储介质
CN110826566A (zh) * 2019-11-01 2020-02-21 北京环境特性研究所 一种基于深度学习的目标切片提取方法
CN111582012A (zh) * 2019-12-24 2020-08-25 珠海大横琴科技发展有限公司 一种检测小目标船只方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨洁;陈明志;吴智秦;陈灵娜;林颖;: "基于SSD卷积网络的视频目标检测研究", 南华大学学报(自然科学版), no. 01, 28 February 2018 (2018-02-28) *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614572A (zh) * 2020-12-28 2021-04-06 深圳开立生物医疗科技股份有限公司 一种病灶标记方法、装置、图像处理设备及医疗系统
CN112906611A (zh) * 2021-03-05 2021-06-04 新疆爱华盈通信息技术有限公司 一种井盖检测方法、装置、电子设备及存储介质
CN112906611B (zh) * 2021-03-05 2024-04-26 新疆爱华盈通信息技术有限公司 一种井盖检测方法、装置、电子设备及存储介质
CN113191451A (zh) * 2021-05-21 2021-07-30 北京文安智能技术股份有限公司 图像数据集处理方法和目标检测模型训练方法
CN113191451B (zh) * 2021-05-21 2024-04-09 北京文安智能技术股份有限公司 图像数据集处理方法和目标检测模型训练方法
CN113870196A (zh) * 2021-09-10 2021-12-31 苏州浪潮智能科技有限公司 一种基于锚点切图的图像处理方法、装置、设备和介质
WO2023035558A1 (zh) * 2021-09-10 2023-03-16 苏州浪潮智能科技有限公司 一种基于锚点切图的图像处理方法、装置、设备和介质

Also Published As

Publication number Publication date
KR20220027739A (ko) 2022-03-08
EP3819823A3 (en) 2021-09-29
EP3819823B1 (en) 2023-04-26
KR102558704B1 (ko) 2023-07-21
JP7079358B2 (ja) 2022-06-01
EP3819823A2 (en) 2021-05-12
CN112001912B (zh) 2024-04-05
JP2022039921A (ja) 2022-03-10
US20220067375A1 (en) 2022-03-03

Similar Documents

Publication Publication Date Title
CN112001912B (zh) 目标检测方法和装置、计算机系统和可读存储介质
CN111598091A (zh) 图像识别方法、装置、电子设备及计算可读存储介质
CN111950353B (zh) 印章文本识别方法、装置及电子设备
CN110796664B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN110852258A (zh) 物体检测方法、装置、设备及存储介质
CN110781823B (zh) 录屏检测方法、装置、可读介质及电子设备
CN115409881A (zh) 图像处理方法、装置及设备
CN111310815A (zh) 图像识别方法、装置、电子设备及存储介质
CN114612872A (zh) 目标检测方法、装置、电子设备及计算机可读存储介质
CN111209856B (zh) 发票信息的识别方法、装置、电子设备及存储介质
CN111382695A (zh) 用于检测目标的边界点的方法和装置
CN113033715B (zh) 目标检测模型训练方法和目标车辆检测信息生成方法
CN111310595B (zh) 用于生成信息的方法和装置
CN115861962A (zh) 点云过滤方法、装置、电子设备、存储介质
US20220245920A1 (en) Object display method and apparatus, electronic device, and computer readable storage medium
CN113762266B (zh) 目标检测方法、装置、电子设备和计算机可读介质
CN115546487A (zh) 图像模型训练方法、装置、介质及电子设备
CN111383337B (zh) 用于识别对象的方法和装置
CN114863124A (zh) 模型训练方法、息肉检测方法、相应装置、介质及设备
CN110796144B (zh) 车牌检测方法、装置、设备及存储介质
CN111833253A (zh) 兴趣点空间拓扑构建方法和装置、计算机系统和介质
CN111382696A (zh) 用于检测目标的边界点的方法和装置
CN113068006B (zh) 图像呈现方法和装置
CN113256659B (zh) 图片处理方法、装置和电子设备
CN114359673B (zh) 基于度量学习的小样本烟雾检测方法、装置和设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant