CN112270326B - 一种遮挡船只的检测优化方法、装置及电子设备 - Google Patents
一种遮挡船只的检测优化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112270326B CN112270326B CN202011294952.0A CN202011294952A CN112270326B CN 112270326 B CN112270326 B CN 112270326B CN 202011294952 A CN202011294952 A CN 202011294952A CN 112270326 B CN112270326 B CN 112270326B
- Authority
- CN
- China
- Prior art keywords
- ship
- image
- shielding
- detection
- occlusion
- 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.)
- Active
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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种遮挡船只的检测优化方法、装置及电子设备,具体涉及图像识别领域。其方法包括:获取船只图像;对船只图像进行船只遮挡特征的预检测,以获得船只遮挡特征的预检测图像;基于船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像;根据船只遮挡图像进行图像增强,得到船只遮挡特征的增强图像,将船只遮挡增强图像进行船只识别特征的迭代训练,输出遮挡船只。通过图像增强的方式提高遮挡船只细节变化的清晰度,以便于提高遮挡船只之间的区别变化,之后利用船只遮挡增强图像以便于从船只遮挡增强图像中识别出被遮挡的船只信息,从而提高在船只遮挡情况下识别船只的准确性。
Description
技术领域
本发明涉及图像识别领域,具体涉及一种遮挡船只的检测优化方法、装置及电子设备。
背景技术
随着图像识别技术的不断发展,使得在对目标船只进行识别时能够通过监控系统对目标船只进行识别,及大的节省了人力成本,但由于在现阶段的目标船只识别中,由于船只互相遮挡问题而无法准确的对遮挡船只进行检测,且导致船只识别的准确性不高,因此如何提高在遮挡船只中船只检测的准确度是亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种遮挡船只的检测优化方法、装置及电子设备,以解决因船只互相遮挡导致的船只检测准确性下降的问题。
根据第一方面,本发明实施例提供了一种遮挡船只的检测优化方法,包括:
获取船只图像;对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像,其中所述船只遮挡特征的预检测图像包括至少2个相互遮挡的船只信息;基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像;根据所述船只遮挡图像进行图像增强,得到船只遮挡特征的增强图像,将所述船只遮挡增强图像进行船只识别特征的迭代训练,输出遮挡船只。
在本实施例中,通过获取船只图像,对船只图像进行预检测,以得到船只遮挡特征的预检测图像,并对预检测图像进行裁切从而保留船只遮挡图像,在对所保留的船只遮挡图像进行图像增强,并对其增强图像进行船只识别以得到遮挡船只图像,利用预检测获取遮挡船只图像,通过图像增强的方式提高遮挡船只细节变化的清晰度,以便于提高遮挡船只之间的区别变化,之后利用船只遮挡增强图像以便于从船只遮挡增强图像中识别出被遮挡的船只信息,从而提高在船只遮挡情况下识别船只的准确性。
结合第一方面,在第一方面第一实施方式中,对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像,包括:判断所述船只图像中是否存在船只遮挡特征;若所述船只图像中存在船只遮挡特征,则利用检测框算法将船只遮挡特征对应的船只图像进行框选;若所述船只图像中不存在船只遮挡特征,则需对所述船只图像机进行船只识别。
结合第一方面的第一实施方式,在第一方面第二实施方式中,在判断所述船只图像中是否存在船只遮挡特征之前,包括:基于所述船只图像剔除所述船只图像中的环境特征。
结合第一方面,在第一方面第三实施方式中,基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像,包括:对预检测图像中不属于船只遮挡特征的预检测图像区域进行裁切,保留与船只遮挡特征对应的预检测图像区域。
结合第一方面,在第一方面第四实施方式中,据所述船只遮挡图像进行图像增强,得到船只遮挡特征的增强图像,包括:利用图像锐化算法对船只遮挡图像进行图像锐化。
结合第一方面,在第一方面第五实施方式中,将所述船只遮挡特征的增强图像进行船只识别特征的迭代训练,输出遮挡船只,包括:获取船只遮挡特征的增强图像;对所述增强图像进行预处理得到预处理的增强图像;将所述预处理的增强图像送入深度学习网络中进行船只特征识别,以获得遮挡船只图像。
结合第一方面,在第一方面第六实施方式中,对所述增强图像进行预处理得到预处理的增强图像,包括:对预处理的增强图像进行图像减淡处理。
根据第二方面,本发明实施例提供了一种遮挡船只的检测优化装置,包括:
获取模块,用于获取船只图像;预检测模块,用于对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像;其中所述船只遮挡特征的预检测图像包括至少2个相互遮挡的船只信息;图像裁切模块,用于基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像;输出模块,用于根据所述船只遮挡图像进行图像锐化,得到船只遮挡增强图像,将所述船只遮挡增强图像进行船只识别特征的迭代训练,输出单个被遮挡船只图像。
本发明内容提供的遮挡船只的检测优化装置,通过获取模块获取船只图像,并将所获取的船只图像发送给预检测模块进行预检测得到预检测图像,之后将预检测图像送入图像裁切模块进行图像裁切保留所需要的船只遮挡图像,并将其船只遮挡图像用于迭代训练进行船只识别,以便提高在船只遮挡情况下识别船只的准确性。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的遮挡船只的检测优化方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的遮挡船只的检测优化方法。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1是根据本发明实施例提供的一种遮挡船只的检测优化方法的流程图;
图2是根据本发明可选实施例提供的一种遮挡船只的检测优化方法的步骤S11的流程图;
图3是根据本发明可选实施例提供的一种遮挡船只的检测优化方法的步骤S13的流程图;
图4是根据本发明实施例提供的一种遮挡船只的检测优化装置的结构框图;
图5是根据本发明实施例提供的一种电子设备的结构框图。
附图标记
10-获取模块;11-预检测模块;12-图像裁切模块;13-输出模块;51-处理器;52-存储器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例公开了一种遮挡船只的检测优化方法,参见图1为根据本发明实施例提供的一种遮挡船只的检测优化方法的流程图,如图1所示,包括:
S10,获取船只图像。
在本实施例中,船只图像需要通过从船只数据库中获取。可选的,船只图像也可以是通过现有的船只图像数据集中获取,例如:开源船舰数据集:HRSC2016也可以是预先通过监控设备采集实际应用场景下预设时间或实时存储在存储设备中视频画面。利用船只图像数据集或是预先通过监控这边对应用场景下的船只数据进行采集,以方便进行对遮挡船只进行优化,同时随着根据其船只图像数据集或是预先通过监控这边对应用场景下的船只数据虽时间变化进行累计,还能进一步提高遮挡船只的检测准确度。
S11,对船只图像进行船只遮挡特征的预检测,以获得船只遮挡特征的预检测图像,其中船只遮挡特征的预检测图像包括至少2个相互遮挡的船只信息。
在本实施例中,预检测是将所获的预检测图像送入船只遮挡识别算法中进行船只遮挡特征的提取,具体需要先预设船只遮挡特征和选择及设计对应的学习网络中,在将获取的船只图像送入学习网络,学习网络根据预设船只遮挡特征和船只图像进行船只遮挡特征,其中,船只遮挡特征可以是通过检测框工具对船只图像进行框选检测,并输出在船只图像上对重叠船只进行框选以获得船只遮挡特征。通过预检测先对船只图像对遮挡船只图像进行初步检测,以获得船只遮挡特征便于提高遮挡船只的检测准确度。
S12,基于船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像。
在本实施例中,需要先确定船只遮挡特征的框选大小再利用裁切工具将船只遮挡图像从船只图像中进行提取并进行存储。通过先确定出船只遮挡图像,初步确定船只遮挡范围。为之后在船只遮挡范围内识别船只做准备,从而进一步提高在船只遮挡情况下识别船只的准确性。
S13,根据船只遮挡图像进行图像增强,得到船只遮挡特征的增强图像,将船只遮挡增强图像进行船只识别特征的迭代训练,输出遮挡船只。
在本实施例中,需要说明的是输出遮挡船只为遮挡船只的图像数据。船只遮挡图像进行图像增强是将所获取的船只遮挡图像进行锐化,以获得清晰的船只遮挡图像,之后进过图像增强后可以将相互遮挡的船只的细节特征进行凸显,并且根据其锐化可以使船只遮挡图像中的遮挡轮廓有所区别,之后将进行图像增强后的船只遮挡增强图像进行船只特征的迭代识别,以使得能够分别是被出被遮挡的船只图像。从而实现对遮挡船只的检测优化以及提高在船只遮挡情况下识别船只的准确性。
本实施例提供的遮挡船只的检测优化方法,通过获取船只图像,对船只图像进行预检测,以得到船只遮挡特征的预检测图像,并对预检测图像进行裁切从而保留船只遮挡图像,在对所保留的船只遮挡图像进行图像增强,并对其增强图像进行船只识别以得到遮挡船只图像,利用预检测获取遮挡船只图像,通过图像增强的方式提高遮挡船只细节变化的清晰度,以便于提高遮挡船只之间的区别变化,之后利用船只遮挡增强图像以便于从船只遮挡增强图像中识别出被遮挡的船只信息,从而提高在船只遮挡情况下识别船只的准确性。
如图2所示,作为本申请可选的实施方式,步骤S11包括:
S111,判断船只图像中是否存在船只遮挡特征。
在本实施例中,从船只图像集中获取船只图像,需要通过船只遮挡算法识别出在船只图像中是否存在船只遮挡的情况,即是否存在船只遮挡特征,以便于后续能够在船只遮挡情况下识别船只轮廓,提高在船只遮挡情况下识别船只的准确性。
S112,若船只图像中存在船只遮挡特征,则利用检测框算法将船只遮挡特征对应的船只图像进行框选。
在本实施例中,检测框算法为目标识别算法,通过对遮挡船只进行识别,生成框选区,并对框选区内的遮挡船只进一步识别,从而提高船只遮挡情况下识别船只的准确性。
S113,若船只图像中不存在船只遮挡特征,则需对船只图像进行船只识别。
在本实施例中,不存在船只遮挡特征,可以直接通过裁切船只遮挡特征对应船只图像,将其船只图像送入船只识别算法中进行船只识别,以快速识别出船只。
可选的,在步骤S111之前还需要基于船只图像剔除船只图像中的环境特征。具体的,利用软件剔除工具将船只图像中包括的地理特征进行剔除,仅保留船只特征以及遮挡的船只特征,以便于能够快速识别出遮挡船只中船只从而提高遮挡情况下识别船只的准确性。其中,地理特征可以是山体或海域。
作为本申请可选的实施方式,步骤S12包括:对预检测图像中不属于船只遮挡特征的预检测图像区域进行裁切,保留与船只遮挡特征对应的预检测图像区域。其中,当确定出船只遮挡特征后提取对应船只遮挡特征的船只图像,利用裁切工具,提取出对应船只遮挡图像。仅提取船只遮挡图像是为了减少干扰特征,保证能够准确提取遮挡船只图像中船只数据。
作为本申请可选的实施方式,如图3所示,步骤S13包括:
S131,获取船只遮挡特征的增强图像。
在本实施例中,基于所获取的船只遮挡特征对应的船只图像,进行图像锐化使其船只遮挡特征对应的船只图像的局部特征更为清晰,便于后续在遮挡船只中进行船只识别。
S132,对增强图像进行预处理得到预处理的增强图像。
在本实施例中,对增强图像进行预处理可以是对多增强图像进行灰度化,将灰度化后的增强图像进行几何变换之后,根据局部求平均值法或中值滤波对增强图像的进行修正,使其增强图像中的相互遮挡的船只进行区分,从而实现提高船只识别的准确性的目的。
S133,将预处理的增强图像送入深度学习网络中进行船只特征识别,以获得遮挡船只图像。
在本实施例中,深度学习网络可以是:循环神经网络、递归神经网络或卷积网络,通过其深度学习策略,对局部的遮挡船只进行识别,以便进一步能够识别相互遮挡的船只图像。从而提高在遮挡船只中船只检测的准确性。
可选的,在对增强图像进行预处理得到预处理的增强图像时,还包括:对预处理的增强图像进行图像减淡处理。
另外,本申请使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作课可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同事实施。
本发明实施例还公开了一种遮挡船只的检测优化装置,如图4所示,根据本发明实施例提供的一种遮挡船只的检测优化装置的结构框图,包括:
获取模块10,用于获取船只图像,详细内容参考步骤S10所述。
预检测模块11,用于对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像;其中所述船只遮挡特征的预检测图像包括至少2个相互遮挡的船只信息,详细内容参考步骤S11所述。
图像裁切模块12,用于基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像,详细内容参考步骤S12所述。
输出模块13,用于根据所述船只遮挡图像进行图像锐化,得到船只遮挡增强图像,将所述船只遮挡增强图像进行船只识别特征的迭代训练,输出单个被遮挡船只图像,详细内容参考步骤S13所述。
本发明内容提供的遮挡船只的检测优化装置,通过获取模块获取船只图像,并将所获取的船只图像发送给预检测模块进行预检测得到预检测图像,之后将预检测图像送入图像裁切模块进行图像裁切保留所需要的船只遮挡图像,并将其船只遮挡图像用于迭代训练进行船只识别,以便提高在船只遮挡情况下识别船只的准确性。
本发明实施例还提供了一种电子设备,如图5所示,该电子设备可以包括处理器51和存储器52,其中处理器51和存储器52可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit,CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器52作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的遮挡船只的检测优化方法对应的程序指令/模块(例如,图4所示的获取模块10、预检测模块11、图像裁切模块12和输出模块13)。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的遮挡船只的检测优化方法。
存储器52可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器51所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器52中,当被所述处理器51执行时,执行如图1-3所示实施例中的遮挡船只的检测优化方法。
上述电子设备具体细节可以对应参阅图1至图3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种遮挡船只的检测优化方法,其特征在于,包括:
获取船只图像;
对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像,其中所述船只遮挡特征的预检测图像包括框选至少2个相互遮挡的船只信息;
基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像;
根据所述船只遮挡图像进行图像增强,得到船只遮挡特征的增强图像,将所述船只遮挡增强图像进行船只识别特征的迭代训练,输出遮挡船只的图像数据;
所述将所述船只遮挡增强图像进行船只识别特征的迭代训练,输出遮挡船只的图像数据,包括:
获取船只遮挡特征的增强图像;
对所述增强图像进行预处理得到预处理的增强图像;
将所述预处理的增强图像送入深度学习网络中进行船只特征识别,以获得遮挡船只图像;
所述对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像,包括:
判断所述船只图像中是否存在船只遮挡特征;
若所述船只图像中存在船只遮挡特征,则利用检测框算法将船只遮挡特征对应的船只图像进行框选;所述检测框算法为目标识别算法,通过对遮挡船只进行识别,生成框选区;
若所述船只图像中不存在船只遮挡特征,则需对所述船只图像只进行船只识别;
其中,在判断所述船只图像中是否存在船只遮挡特征之前,包括:基于所述船只图像剔除所述船只图像中的环境特征。
2.根据权利要求1所述的方法,其特征在于,基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像,包括:对预检测图像中不属于船只遮挡特征的预检测图像区域进行裁切,保留与船只遮挡特征对应的预检测图像区域。
3.根据权利要求1所述的方法,其特征在于,所述根据所述船只遮挡图像进行图像增强,得到船只遮挡特征的增强图像,包括:利用图像锐化算法对船只遮挡图像进行图像锐化。
4.根据权利要求1所述的方法,其特征在于,所述对所述增强图像进行预处理得到预处理的增强图像,包括:对预处理的增强图像进行图像减淡处理。
5.一种遮挡船只的检测优化装置,其特征在于,包括:
获取模块,用于获取船只图像;
预检测模块,用于对所述船只图像进行船只遮挡特征的预检测,以获得所述船只遮挡特征的预检测图像;其中所述船只遮挡特征的预检测图像包括框选至少2个相互遮挡的船只信息;
图像裁切模块,用于基于所述船只遮挡特征的预检测图像进行图像裁切,以获得船只遮挡图像;
输出模块,用于根据所述船只遮挡图像进行图像锐化,得到船只遮挡增强图像,将所述船只遮挡增强图像进行船只识别特征的迭代训练,输出单个被遮挡船只图像;
所述输出模块,还用于:
获取船只遮挡特征的增强图像;
对所述增强图像进行预处理得到预处理的增强图像;
将所述预处理的增强图像送入深度学习网络中进行船只特征识别,以获得遮挡船只图像;
图像裁切模块,还用于:
判断所述船只图像中是否存在船只遮挡特征;
若所述船只图像中存在船只遮挡特征,则利用检测框算法将船只遮挡特征对应的船只图像进行框选;所述检测框算法为目标识别算法,通过对遮挡船只进行识别,生成框选区;
若所述船只图像中不存在船只遮挡特征,则需对所述船只图像只 进行船只识别;
还包括:
所述预检测模块,还用于基于所述船只图像剔除所述船只图像中的环境特征。
6.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-4中任一项所述的遮挡船只的检测优化方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的遮挡船只的检测优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294952.0A CN112270326B (zh) | 2020-11-18 | 2020-11-18 | 一种遮挡船只的检测优化方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294952.0A CN112270326B (zh) | 2020-11-18 | 2020-11-18 | 一种遮挡船只的检测优化方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112270326A CN112270326A (zh) | 2021-01-26 |
CN112270326B true CN112270326B (zh) | 2022-03-22 |
Family
ID=74339641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011294952.0A Active CN112270326B (zh) | 2020-11-18 | 2020-11-18 | 一种遮挡船只的检测优化方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112270326B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
WO2017115947A1 (ko) * | 2015-12-31 | 2017-07-06 | 한국항공우주연구원 | 해양 감시 시스템 |
CN108470339A (zh) * | 2018-03-21 | 2018-08-31 | 华南理工大学 | 一种基于信息融合的重叠苹果视觉识别与定位方法 |
CN108566516A (zh) * | 2018-05-14 | 2018-09-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及移动终端 |
CN109118498A (zh) * | 2018-08-22 | 2019-01-01 | 科大讯飞股份有限公司 | 一种摄像头污点检测方法、装置、设备及存储介质 |
CN109740665A (zh) * | 2018-12-29 | 2019-05-10 | 珠海大横琴科技发展有限公司 | 基于专家知识约束的遮挡图像船只目标检测方法及系统 |
CN109977841A (zh) * | 2019-03-20 | 2019-07-05 | 中南大学 | 一种基于对抗深度学习网络的人脸识别方法 |
CN110647802A (zh) * | 2019-08-07 | 2020-01-03 | 北京建筑大学 | 基于深度学习的遥感影像舰船目标检测方法 |
CN110969213A (zh) * | 2019-12-10 | 2020-04-07 | 珠海大横琴科技发展有限公司 | 一种基于Faster RCNN的船只检测方法、装置及电子设备 |
CN111310718A (zh) * | 2020-03-09 | 2020-06-19 | 成都川大科鸿新技术研究所 | 一种遮挡人脸图像高准确率检测对比方法 |
CN111523558A (zh) * | 2019-12-27 | 2020-08-11 | 珠海大横琴科技发展有限公司 | 一种基于电子围网的船只遮挡检测方法、装置及电子设备 |
CN111612028A (zh) * | 2019-12-13 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 一种基于深度学习的船只特征优化方法、装置和电子设备 |
CN111639513A (zh) * | 2019-12-10 | 2020-09-08 | 珠海大横琴科技发展有限公司 | 一种船只遮挡识别方法、装置及电子设备 |
CN111695397A (zh) * | 2019-12-20 | 2020-09-22 | 珠海大横琴科技发展有限公司 | 一种基于yolo的船只识别方法及电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4636064B2 (ja) * | 2007-09-18 | 2011-02-23 | ソニー株式会社 | 画像処理装置および画像処理方法、並びにプログラム |
CN107038446B (zh) * | 2017-03-23 | 2020-06-05 | 中国计量大学 | 一种主动照明下基于重叠边缘检测的夜间双果重叠番茄识别方法 |
CN109902643B (zh) * | 2019-03-07 | 2021-03-16 | 浙江啄云智能科技有限公司 | 基于深度学习的智能安检方法、装置、系统及其电子设备 |
CN109978892B (zh) * | 2019-03-21 | 2021-03-16 | 浙江啄云智能科技有限公司 | 一种基于太赫兹成像的智能安检方法 |
CN111079545A (zh) * | 2019-11-21 | 2020-04-28 | 上海工程技术大学 | 一种基于图像修复的三维目标检测方法和系统 |
-
2020
- 2020-11-18 CN CN202011294952.0A patent/CN112270326B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
WO2017115947A1 (ko) * | 2015-12-31 | 2017-07-06 | 한국항공우주연구원 | 해양 감시 시스템 |
CN108470339A (zh) * | 2018-03-21 | 2018-08-31 | 华南理工大学 | 一种基于信息融合的重叠苹果视觉识别与定位方法 |
CN108566516A (zh) * | 2018-05-14 | 2018-09-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及移动终端 |
CN109118498A (zh) * | 2018-08-22 | 2019-01-01 | 科大讯飞股份有限公司 | 一种摄像头污点检测方法、装置、设备及存储介质 |
CN109740665A (zh) * | 2018-12-29 | 2019-05-10 | 珠海大横琴科技发展有限公司 | 基于专家知识约束的遮挡图像船只目标检测方法及系统 |
CN109977841A (zh) * | 2019-03-20 | 2019-07-05 | 中南大学 | 一种基于对抗深度学习网络的人脸识别方法 |
CN110647802A (zh) * | 2019-08-07 | 2020-01-03 | 北京建筑大学 | 基于深度学习的遥感影像舰船目标检测方法 |
CN110969213A (zh) * | 2019-12-10 | 2020-04-07 | 珠海大横琴科技发展有限公司 | 一种基于Faster RCNN的船只检测方法、装置及电子设备 |
CN111639513A (zh) * | 2019-12-10 | 2020-09-08 | 珠海大横琴科技发展有限公司 | 一种船只遮挡识别方法、装置及电子设备 |
CN111612028A (zh) * | 2019-12-13 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 一种基于深度学习的船只特征优化方法、装置和电子设备 |
CN111695397A (zh) * | 2019-12-20 | 2020-09-22 | 珠海大横琴科技发展有限公司 | 一种基于yolo的船只识别方法及电子设备 |
CN111523558A (zh) * | 2019-12-27 | 2020-08-11 | 珠海大横琴科技发展有限公司 | 一种基于电子围网的船只遮挡检测方法、装置及电子设备 |
CN111310718A (zh) * | 2020-03-09 | 2020-06-19 | 成都川大科鸿新技术研究所 | 一种遮挡人脸图像高准确率检测对比方法 |
Non-Patent Citations (2)
Title |
---|
AN EFFICIENT OCCLUSION DETECTION METHOD TO IMPROVE OBJECT TRACKERS;Yingkun Xu 等;《2013 IEEE International Conference on Image Processing》;20130918;第1-5页 * |
基于遮挡标记的目标检测算法;帖军 等;《中南民族大学学报( 自然科学版)》;20200630;第39卷(第3期);第302-308页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112270326A (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146832B (zh) | 一种视频图像的拼接方法、装置、终端设备及存储介质 | |
CN111914665B (zh) | 一种人脸遮挡检测方法、装置、设备及存储介质 | |
CN111639513A (zh) | 一种船只遮挡识别方法、装置及电子设备 | |
CN111275040B (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
KR101417498B1 (ko) | 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법 | |
CN114445768A (zh) | 目标识别方法、装置、电子设备及存储介质 | |
CN116485779B (zh) | 自适应晶圆缺陷检测方法、装置、电子设备及存储介质 | |
CN115147648A (zh) | 一种基于改进YOLOv5目标检测的茶叶嫩梢识别方法 | |
CN111523558A (zh) | 一种基于电子围网的船只遮挡检测方法、装置及电子设备 | |
CN113781421A (zh) | 基于水下的目标识别方法、装置及系统 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN112270326B (zh) | 一种遮挡船只的检测优化方法、装置及电子设备 | |
CN111163332A (zh) | 视频色情度检测方法、终端及介质 | |
CN115311522A (zh) | 用于自动驾驶的目标检测方法及装置、电子设备及介质 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN111612028A (zh) | 一种基于深度学习的船只特征优化方法、装置和电子设备 | |
CN116091781A (zh) | 一种用于图像识别的数据处理方法及装置 | |
CN115359302A (zh) | 硬币识别方法、系统及存储介质 | |
CN112183454B (zh) | 图像检测方法及装置、存储介质、终端 | |
CN112395993A (zh) | 基于监控视频数据的遮挡船只检测方法、装置及电子设备 | |
Zhang et al. | Estimation algorithm of atmospheric light based on ant colony optimization | |
CN112465835A (zh) | 用于翡翠图像分割的方法及模型训练方法 | |
Mubin et al. | Identification of parking lot status using circle blob detection | |
CN110991331A (zh) | 施工现场的检测方法、装置、计算机设备和存储介质 | |
US8781182B2 (en) | Multi-pass edge detection of collimator blades in digital radiography images |
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 |