CN114550256A - 极小目标检测方法、装置、设备及计算机可读介质 - Google Patents
极小目标检测方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN114550256A CN114550256A CN202210168045.4A CN202210168045A CN114550256A CN 114550256 A CN114550256 A CN 114550256A CN 202210168045 A CN202210168045 A CN 202210168045A CN 114550256 A CN114550256 A CN 114550256A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- threshold
- determining
- detection model
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
Abstract
本申请涉及一种极小目标检测方法、装置、设备及计算机可读介质。该方法包括:获取第一图像;在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象;从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸;在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。本申请解决了极小目标检测模型的精度不高的技术问题。
Description
技术领域
本申请涉及目标检测技术领域,尤其涉及一种极小目标检测方法、装置、设备及计算机可读介质。
背景技术
极小目标检测在一些安防领域有着重要的应用,如远距离的极小人脸、人形、车辆等等,然而要检测极小目标并不是一件容易的事,因为训练检测模型时,要求召回率越高越好,召回率越高,代表模型的检测精度越高,但是提升极小目标检测的召回率,往往会伴随误检率的增加。受此局限,现有的极小目标检测模型不同程度的存在检测精度不高的问题,就此投入应用还难以达到用户需求。
针对极小目标检测模型的精度不高的问题,目前尚未提出切实有效的解决方案。
发明内容
本申请提供了一种极小目标检测方法、装置、设备及计算机可读介质,以解决极小目标检测模型的精度不高的技术问题。
根据本申请实施例的一个方面,本申请提供了一种极小目标检测方法,包括:
获取第一图像;
在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象;
从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸;
在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。
可选地,在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标包括:
将第一图像输入第一目标检测模型,以利用第一目标检测模型在第一时间阈值内对第一图像进行图片推理,得到极小目标置信度大于或等于第一阈值的第一极小目标,其中,第一目标检测模型的检测阈值为第一阈值。
可选地,将第一图像输入第一目标检测模型之前,所述方法还包括:
确定第一图像的第一尺寸;
按照图像尺寸与推理时间的预设对应关系,确定第一目标检测模型推理第一尺寸大小的图像所需要的第一推理时间;
在第一推理时间大于第一时间阈值的情况下,根据第一推理时间与第一时间阈值的差值确定第一缩放比例;
按照第一缩放比例对第一图像进行缩放,并将缩放后的图像作为输入第一目标检测模型的新的第一图像。
可选地,从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像包括:
获取第一目标检测模型标记第一极小目标所生成的多个包围框;
确定多个包围框的并集,得到第一包围框;
扩大第一包围框的包围范围,直至第一包围框的包围范围覆盖第一极小目标的所有像素的情况下,得到第二包围框;
截取第二包围框包围的图像,得到第三图像,并将第三图像按照预设比例放大并贴合至画布中,得到第二图像。
可选地,在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标包括:
将第二图像输入第二目标检测模型,以利用第二目标检测模型在第二时间阈值内对第二图像进行图片推理,得到极小目标置信度大于或等于第二阈值的第二极小目标,其中,第二目标检测模型的检测阈值为第二阈值,第一时间阈值与第二时间阈值的和小于第三时间阈值,第三时间阈值为直接在第一图像中确定出第二极小目标所需的推理时间的阈值。
可选地,在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标还包括:
获取第二目标检测模型标记第二极小目标所生成的包围框;
在包围框的数量为一个且包围框的包围范围覆盖第二极小目标的所有像素的情况下,提取包围框内的图像数据作为第二极小目标的检测图像。
可选地,将第二图像输入第二目标检测模型之前,所述方法还包括:
确定第二图像的第二尺寸;
按照图像尺寸与推理时间的预设对应关系,确定第二目标检测模型推理第二尺寸大小的图像所需要的第二推理时间;
在第二推理时间小于第二时间阈值的情况下,在第一图像的尺寸范围内扩大第二图像的尺寸,并将扩大后的图像作为输入第二目标检测模型的新的第二图像。
根据本申请实施例的另一方面,本申请提供了一种极小目标检测装置,包括:
图像获取模块,用于获取第一图像;
粗略检测模块,用于在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象;
目标截取模块,用于从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸;
精确检测模块,用于在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。
根据本申请实施例的另一方面,本申请提供了一种电子设备,包括存储器、处理器、通信接口及通信总线,存储器中存储有可在处理器上运行的计算机程序,存储器、处理器通过通信总线和通信接口进行通信,处理器执行计算机程序时实现上述方法的步骤。
根据本申请实施例的另一方面,本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行上述的方法。
本申请实施例提供的上述技术方案与相关技术相比具有如下优点:
本申请技术方案为获取第一图像;在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象;从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸;在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。本申请先通过粗略检测定位极小目标,利用扩充策略扩大极小目标后再进行精确检测,不仅提高了极小目标检测的检测精度,还能缩短检测模型的推理时间,提高用户体验,解决了极小目标检测模型的精度不高的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本申请实施例提供的一种可选的极小目标检测方法硬件环境示意图;
图2为根据本申请实施例提供的一种可选的极小目标检测方法流程示意图;
图3为根据本申请实施例提供的一种可选的第一图像示例图;
图4为根据本申请实施例提供的一种可选的第一图像缩放示例图;
图5为根据本申请实施例提供的一种可选的第一极小目标包围框示例图;
图6为根据本申请实施例提供的一种可选的第一极小目标包围框扩大示例图;
图7为根据本申请实施例提供的一种可选的第二图像示例图;
图8为根据本申请实施例提供的一种可选的第二极小目标示例图;
图9为根据本申请实施例提供的一种可选的极小目标检测装置框图;
图10为本申请实施例提供的一种可选的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身并没有特定的意义。因此,“模块”与“部件”可以混合地使用。
相关技术中,针对如何提升极小目标检测模型的精度的问题,会从三方面入手。第一方面,加深卷积神经网络的深度;第二方面,增大图像的输入尺寸;第三方面,数据增强。但是上述三方面依旧存在瓶颈,如第一方面中,加深卷积神经网络的深度一定程度上能更容易检测出极小目标,但网络的加深,也会带来计算量的增加,是一种以推理时间及算力换精度的方法,对硬件设备的算力、性能都要求较高,且推理时间较长也会降低用户体验。第二方面中,随着图片输入尺寸的增大,推理时间也会线性增加,如320*240的图片需要100ms的推理时间,则640*480的图片的推理时间则需要400ms的推理时间,这也是一种以推理时间换精度的方法,同样会降低用户体验。第三方面中,缩小训练集中目标的尺寸(数据增强)会受模型的检测尺寸的限制,极小目标被检测出来后往往伴随检测框的偏移,即目标框不能很好包围目标,容易误导用户,降低用户体验。
为了解决背景技术中提及的问题,根据本申请实施例的一方面,提供了一种极小目标检测方法的实施例。
可选地,在本申请实施例中,上述极小目标检测方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示,服务器103通过网络与终端101进行连接,可用于为终端或终端上安装的客户端提供服务(如粗略检测、图像提取、精确检测等服务),可在服务器上或独立于服务器设置数据库105,用于为服务器103提供数据存储服务,上述网络包括但不限于:广域网、城域网或局域网,终端101包括但不限于PC、手机、平板电脑等。
本申请实施例中的一种极小目标检测方法可以由服务器103来执行,还可以是由服务器103和终端101共同执行,如图2所示,该方法可以包括以下步骤:
步骤S202,获取第一图像。
步骤S204,在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象。
本申请技术方案可以应用于检测预设检测类型的目标对象,尤其可以应用于检测极小目标,上述预设检测类型可以包括人脸检测、车辆检测、动物检测等,上述极小目标可以是远距离的人脸、人形、车辆等在图像中的显示形态。可检测极小目标为本申请预先设置检测类型的所有极小目标的集合。
本申请实施例中,上述第一阈值为相对较低的阈值,目的是对第一图像进行粗略的目标检测,同时也避免真正属于极小目标的漏检。可选地,上述第一阈值可以被设置为0.3,从而可以在对第一图像进行粗略检测极小目标时,将置信度大于或等于0.3的检测对象都标记为第一极小目标。
步骤S206,从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸。
本申请实施例中,为了从粗略检测出来的第一极小目标中精确识别哪些是真正的极小目标,可以截取出第一图像中的极小目标的图像并放大,得到第二图像,从而对第二图像进行精确的极小目标检测。
步骤S208,在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。
本申请实施例中,精确检测极小目标时,该第二阈值应被设置为相应精度的阈值,如0.9,从而可以在对第二图像进行精确检测极小目标时,将置信度大于或等于0.9的检测对象标记为第二极小目标。
通过步骤S202至S208,本申请先通过粗略检测定位极小目标,利用扩充策略扩大极小目标后再进行精确检测,不仅提高了极小目标检测的检测精度,还保证检测模型的推理时间在用户可接受范围内,提高用户体验,解决了极小目标检测模型的精度不高的技术问题。
本申请中,粗略检测极小目标和精确检测极小目标可以通过目标检测模型来实现,下面对此进行说明。
可选地,在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标包括:将第一图像输入第一目标检测模型,以利用第一目标检测模型在第一时间阈值内对第一图像进行图片推理,得到极小目标置信度大于或等于第一阈值的第一极小目标,其中,第一目标检测模型的检测阈值为第一阈值。
本申请实施例中,可以将第一目标检测模型的检测阈值设置为该第一阈值,从而利用第一目标检测模型对第一图像进行粗略的极小目标检测。
若第一图片较大,则会导致第一目标检测模型的推理时间线性增长,一旦推理时间过长,则会严重影响用户体验,因此,若第一图像较大,可以先将第一图像缩放处理,以满足用户对第一目标检测模型的推理时间的需求。
可选地,将第一图像输入第一目标检测模型之前,所述方法还包括:
步骤S302,确定第一图像的第一尺寸;
步骤S304,按照图像尺寸与推理时间的预设对应关系,确定第一目标检测模型推理第一尺寸大小的图像所需要的第一推理时间;
步骤S306,在第一推理时间大于第一时间阈值的情况下,根据第一推理时间与第一时间阈值的差值确定第一缩放比例;
步骤S308,按照第一缩放比例对第一图像进行缩放,并将缩放后的图像作为输入第一目标检测模型的新的第一图像。
本申请实施例中,以人脸检测作为极小目标检测的类型为例进行说明。如图3所示,若第一图像的原图尺寸(即第一尺寸)为640*480,按照图像尺寸与推理时间的预设对应关系查询可得,第一目标检测模型推理640*480的图像所需要的第一推理时间为400毫秒,若400毫秒大于该第一时间阈值,则根据第一推理时间与第一时间阈值的差值确定第一缩放比例,并按照第一缩放比例对第一图像进行缩放,如第一时间阈值为100毫秒,该第一推理时间与第一时间阈值的差值为300毫秒,第一推理时间是第一时间阈值的4倍,因此可以将第一图像的原图缩小4倍,即由640*480缩小至320*240,如图4所示。将缩放至320*240的图像作为新的输入第一目标检测模型的第一图像。需要说明的是,上述图像尺寸与处理时间的预设映射关系以及第一时间阈值可以通过实验获得,还可以根据实际情况、实际需求进行设置。
可选地,从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像包括:
步骤S402,获取第一目标检测模型标记第一极小目标所生成的多个包围框;
步骤S404,确定多个包围框的并集,得到第一包围框;
步骤S406,扩大第一包围框的包围范围,直至第一包围框的包围范围覆盖第一极小目标的所有像素的情况下,得到第二包围框;
步骤S408,截取第二包围框包围的图像,得到第三图像,并将第三图像按照预设比例放大并贴合至画布中,得到第二图像。
本申请实施例中,在第一目标检测模型对第一图像进行检测时,会将检测到的第一极小目标通过包围框标记,如图5所示的左2男孩的人脸部的多个包围框。由于目标极小,包围框不能准确包围人脸,且一张人脸会被多个贴近人脸的框包围。此时可以取上述包围人脸的多个包围框的并集并向四周扩大,直至完全包围人脸,其扩大效果如图6所示。最后即可提取扩大后的包围框中的图像,并按照预设比例放大并贴合至画布中,得到第二图像,第二图像的效果如图7所示。该预设比例可以根据实际情况进行设置,只要不超出第一图像的尺寸大小即可。
本申请实施例中,以第二图像的尺寸为160*120为例进行说明,160*120尺寸的第二图像为原图640*480的八分之一,相应的模型推理时间也缩短为原图的八分之一,但是在第二图像中第二极小目标则很清晰,因为已经经过了放大。结合粗略检测时,第一图像的推理时间缩短为原图的四分之一,第二图像的推理时间缩短为原图的八分之一,因此本申请在缩短整体推理时间的基础上,还提高了极小目标的检测精度。
可选地,在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标包括:将第二图像输入第二目标检测模型,以利用第二目标检测模型在第二时间阈值内对第二图像进行图片推理,得到极小目标置信度大于或等于第二阈值的第二极小目标,其中,第二目标检测模型的检测阈值为第二阈值,第一时间阈值与第二时间阈值的和小于第三时间阈值,第三时间阈值为直接在第一图像中确定出第二极小目标所需的推理时间的阈值。
本申请实施例中,可以将第二目标检测模型的检测阈值设置为该第二阈值,从而利用第二目标检测模型对第二图像进行精确的极小目标检测。
本申请实施例中,以上述第一图像、第二图像的尺寸为例,精确检测结合粗略检测时,第一图像的推理时间缩短为原图的四分之一,第二图像的推理时间缩短为原图的八分之一,因此本申请能够大幅缩短整体的推理时间。
可选地,上述第一目标检测模型和第二目标检测模型可以是同一个模型,只需按照检测阶段设置不同的检测阈值即可。
可选地,在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标还包括:
步骤S502,获取第二目标检测模型标记第二极小目标所生成的包围框;
步骤S504,在包围框的数量为一个且包围框的包围范围覆盖第二极小目标的所有像素的情况下,提取包围框内的图像数据作为第二极小目标的检测图像。
本申请实施例中,若第二目标检测模型对第二极小目标所标记的包围框只有一个且能够完整包围第二极小目标,如图8所示,即认为精确检测到该第二极小目标。
若第二图片较小,虽然可以减少第二目标检测模型的推理时间,但极小目标检测的精确度同样影响用户体验,因此,若第一图像较小,可以将第二图像放大,以保证第二目标检测模型的检测精度。
可选地,将第二图像输入第二目标检测模型之前,所述方法还包括:
步骤S602,确定第二图像的第二尺寸;
步骤S604,按照图像尺寸与推理时间的预设对应关系,确定第二目标检测模型推理第二尺寸大小的图像所需要的第二推理时间;
步骤S606,在第二推理时间小于第二时间阈值的情况下,在第一图像的尺寸范围内扩大第二图像的尺寸,并将扩大后的图像作为输入第二目标检测模型的新的第二图像。
本申请实施例中,可以在第一图像的尺寸范围内扩大第二图像,以尽可能提高检测精度。
根据本申请实施例的又一方面,如图9所示,提供了一种极小目标检测装置,包括:
图像获取模块901,用于获取第一图像;
粗略检测模块903,用于在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象;
目标截取模块905,用于从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸;
精确检测模块907,用于在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。
需要说明的是,该实施例中的图像获取模块901可以用于执行本申请实施例中的步骤S202,该实施例中的粗略检测模块903可以用于执行本申请实施例中的步骤S204,该实施例中的目标截取模块905可以用于执行本申请实施例中的步骤S206,该实施例中的精确检测模块907可以用于执行本申请实施例中的步骤S208。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
可选地,该粗略检测模块,具体用于:
将第一图像输入第一目标检测模型,以利用第一目标检测模型在第一时间阈值内对第一图像进行图片推理,得到极小目标置信度大于或等于第一阈值的第一极小目标,其中,第一目标检测模型的检测阈值为第一阈值。
可选地,该极小目标检测装置,还包括第一图像缩放模块,用于:
确定第一图像的第一尺寸;
按照图像尺寸与推理时间的预设对应关系,确定第一目标检测模型推理第一尺寸大小的图像所需要的第一推理时间;
在第一推理时间大于第一时间阈值的情况下,根据第一推理时间与第一时间阈值的差值确定第一缩放比例;
按照第一缩放比例对第一图像进行缩放,并将缩放后的图像作为输入第一目标检测模型的新的第一图像。
可选地,该目标截取模块,具体用于:
获取第一目标检测模型标记第一极小目标所生成的多个包围框;
确定多个包围框的并集,得到第一包围框;
扩大第一包围框的包围范围,直至第一包围框的包围范围覆盖第一极小目标的所有像素的情况下,得到第二包围框;
截取第二包围框包围的图像,得到第三图像,并将第三图像按照预设比例放大并贴合至画布中,得到第二图像。
可选地,该精确检测模块,具体用于:
将第二图像输入第二目标检测模型,以利用第二目标检测模型在第二时间阈值内对第二图像进行图片推理,得到极小目标置信度大于或等于第二阈值的第二极小目标,其中,第二目标检测模型的检测阈值为第二阈值,第一时间阈值与第二时间阈值的和小于第三时间阈值,第三时间阈值为直接在第一图像中确定出第二极小目标所需的推理时间的阈值。
可选地,该精确检测模块,还用于:
获取第二目标检测模型标记第二极小目标所生成的包围框;
在包围框的数量为一个且包围框的包围范围覆盖第二极小目标的所有像素的情况下,提取包围框内的图像数据作为第二极小目标的检测图像。
可选地,该极小目标检测装置,还包括第二图像扩大模块,用于:
确定第二图像的第二尺寸;
按照图像尺寸与推理时间的预设对应关系,确定第二目标检测模型推理第二尺寸大小的图像所需要的第二推理时间;
在第二推理时间小于第二时间阈值的情况下,在第一图像的尺寸范围内扩大第二图像的尺寸,并将扩大后的图像作为输入第二目标检测模型的新的第二图像。
根据本申请实施例的另一方面,本申请提供了一种电子设备,如图10所示,包括存储器1001、处理器1003、通信接口1005及通信总线1007,存储器1001中存储有可在处理器1003上运行的计算机程序,存储器1001、处理器1003通过通信接口1005和通信总线1007进行通信,处理器1003执行计算机程序时实现上述方法的步骤。
上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
根据本申请实施例的又一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一实施例的步骤。
可选地,在本申请实施例中,计算机可读介质被设置为存储用于所述处理器执行以下步骤的程序代码:
获取第一图像;
在第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,极小目标置信度用于表示被检测对象属于可检测极小目标的概率,可检测极小目标为预设检测类型的目标对象;
从第一图像中截取出第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,第二图像的尺寸小于第一图像的尺寸;
在第二图像中确定极小目标置信度大于或等于第二阈值的第二极小目标,并输出第二极小目标,其中,第二阈值大于第一阈值。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本申请实施例在具体实现时,可以参阅上述各个实施例,具有相应的技术效果。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种极小目标检测方法,其特征在于,包括:
获取第一图像;
在所述第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,所述极小目标置信度用于表示被检测对象属于可检测极小目标的概率,所述可检测极小目标为预设检测类型的目标对象;
从所述第一图像中截取出所述第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,所述第二图像的尺寸小于所述第一图像的尺寸;
在所述第二图像中确定所述极小目标置信度大于或等于第二阈值的第二极小目标,并输出所述第二极小目标,其中,所述第二阈值大于所述第一阈值。
2.根据权利要求1所述的方法,其特征在于,在所述第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标包括:
将所述第一图像输入第一目标检测模型,以利用所述第一目标检测模型在第一时间阈值内对所述第一图像进行图片推理,得到所述极小目标置信度大于或等于所述第一阈值的所述第一极小目标,其中,所述第一目标检测模型的检测阈值为所述第一阈值。
3.根据权利要求2所述的方法,其特征在于,将所述第一图像输入第一目标检测模型之前,所述方法还包括:
确定所述第一图像的第一尺寸;
按照图像尺寸与推理时间的预设对应关系,确定所述第一目标检测模型推理所述第一尺寸大小的图像所需要的第一推理时间;
在所述第一推理时间大于所述第一时间阈值的情况下,根据所述第一推理时间与所述第一时间阈值的差值确定第一缩放比例;
按照所述第一缩放比例对所述第一图像进行缩放,并将缩放后的图像作为输入所述第一目标检测模型的新的第一图像。
4.根据权利要求2所述的方法,其特征在于,从所述第一图像中截取出所述第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像包括:
获取所述第一目标检测模型标记所述第一极小目标所生成的多个包围框;
确定所述多个包围框的并集,得到第一包围框;
扩大所述第一包围框的包围范围,直至所述第一包围框的所述包围范围覆盖所述第一极小目标的所有像素的情况下,得到第二包围框;
截取所述第二包围框包围的图像,得到第三图像,并将所述第三图像按照所述预设比例放大并贴合至画布中,得到所述第二图像。
5.根据权利要求2所述的方法,其特征在于,在所述第二图像中确定所述极小目标置信度大于或等于第二阈值的第二极小目标包括:
将所述第二图像输入第二目标检测模型,以利用所述第二目标检测模型在第二时间阈值内对所述第二图像进行图片推理,得到所述极小目标置信度大于或等于所述第二阈值的所述第二极小目标,其中,所述第二目标检测模型的检测阈值为所述第二阈值,所述第一时间阈值与所述第二时间阈值的和小于第三时间阈值,所述第三时间阈值为直接在所述第一图像中确定出所述第二极小目标所需的推理时间的阈值。
6.根据权利要求5所述的方法,其特征在于,在所述第二图像中确定所述极小目标置信度大于或等于第二阈值的第二极小目标还包括:
获取所述第二目标检测模型标记所述第二极小目标所生成的包围框;
在所述包围框的数量为一个且所述包围框的包围范围覆盖所述第二极小目标的所有像素的情况下,提取所述包围框内的图像数据作为所述第二极小目标的检测图像。
7.根据权利要求5所述的方法,其特征在于,将所述第二图像输入第二目标检测模型之前,所述方法还包括:
确定所述第二图像的第二尺寸;
按照图像尺寸与推理时间的预设对应关系,确定所述第二目标检测模型推理所述第二尺寸大小的图像所需要的第二推理时间;
在所述第二推理时间小于所述第二时间阈值的情况下,在所述第一图像的尺寸范围内扩大所述第二图像的尺寸,并将扩大后的图像作为输入所述第二目标检测模型的新的第二图像。
8.一种极小目标检测装置,其特征在于,包括:
图像获取模块,用于获取第一图像;
粗略检测模块,用于在所述第一图像中确定极小目标置信度大于或等于第一阈值的第一极小目标,其中,所述极小目标置信度用于表示被检测对象属于可检测极小目标的概率,所述可检测极小目标为预设检测类型的目标对象;
目标截取模块,用于从所述第一图像中截取出所述第一极小目标的图像,并将截取图像按照预设比例放大并贴放至画布中,得到第二图像,其中,所述第二图像的尺寸小于所述第一图像的尺寸;
精确检测模块,用于在所述第二图像中确定所述极小目标置信度大于或等于第二阈值的第二极小目标,并输出所述第二极小目标,其中,所述第二阈值大于所述第一阈值。
9.一种电子设备,包括存储器、处理器、通信接口及通信总线,所述存储器中存储有可在所述处理器上运行的计算机程序,所述存储器、所述处理器通过所述通信总线和所述通信接口进行通信,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210168045.4A CN114550256A (zh) | 2022-02-23 | 2022-02-23 | 极小目标检测方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210168045.4A CN114550256A (zh) | 2022-02-23 | 2022-02-23 | 极小目标检测方法、装置、设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114550256A true CN114550256A (zh) | 2022-05-27 |
Family
ID=81677576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210168045.4A Pending CN114550256A (zh) | 2022-02-23 | 2022-02-23 | 极小目标检测方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550256A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474908A (zh) * | 2023-12-26 | 2024-01-30 | 宁德时代新能源科技股份有限公司 | 标注方法、装置、设备及计算机可读存储介质 |
-
2022
- 2022-02-23 CN CN202210168045.4A patent/CN114550256A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474908A (zh) * | 2023-12-26 | 2024-01-30 | 宁德时代新能源科技股份有限公司 | 标注方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255352B (zh) | 目标检测方法、装置及系统 | |
CN110660066B (zh) | 网络的训练方法、图像处理方法、网络、终端设备及介质 | |
CN110633690B (zh) | 基于桥梁监控的车辆特征识别方法及系统 | |
CN108986152B (zh) | 一种基于差分图像的异物检测方法及装置 | |
CN113192646B (zh) | 目标检测模型构建方法及不同目标间距离监控方法、装置 | |
CN111666907B (zh) | 一种视频中对象信息的识别方法、装置及服务器 | |
CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN111967345B (zh) | 一种实时判定摄像头遮挡状态的方法 | |
CN114964650A (zh) | 一种基于声学成像的气体泄漏报警方法及装置 | |
CN114550256A (zh) | 极小目标检测方法、装置、设备及计算机可读介质 | |
CN115546628A (zh) | 一种水利工程堤坝裂缝监测方法、装置、设备及介质 | |
CN110942456B (zh) | 篡改图像检测方法、装置、设备及存储介质 | |
CN113674220A (zh) | 一种图像差异检测方法、检测装置和存储介质 | |
CN110674834A (zh) | 地理围栏识别方法、装置、设备和计算机可读存储介质 | |
CN111862239A (zh) | 一种面阵相机图像重叠区域标定方法、装置、设备及存储介质 | |
CN115512281B (zh) | 一种结合视频相机和激光雷达的入侵物监测方法和系统 | |
CN115345895B (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
CN116091998A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
CN114039765A (zh) | 一种配电物联网的安全管控方法、装置及电子设备 | |
CN111753766A (zh) | 一种图像处理方法、装置、设备及介质 | |
CN113298122A (zh) | 目标检测方法、装置和电子设备 | |
CN112508761A (zh) | 实时预警方法、装置及系统 | |
CN115187918B (zh) | 一种监控视频流中移动物体的识别方法及系统 | |
CN113643266B (zh) | 图像检测方法、装置及电子设备 |
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 |