CN115564790A - 目标对象检测方法、电子设备及存储介质 - Google Patents
目标对象检测方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115564790A CN115564790A CN202110746165.3A CN202110746165A CN115564790A CN 115564790 A CN115564790 A CN 115564790A CN 202110746165 A CN202110746165 A CN 202110746165A CN 115564790 A CN115564790 A CN 115564790A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- similarity
- detected
- candidate
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种目标对象检测方法、电子设备及存储介质,所述方法包括:获取包括目标对象的待测图像;生成模板图像;比对所述待测图像与所述模板图像,得到比对结果;根据所述比对结果确定所述待测图像中所述目标对象的侯选区域;对所述候选区域进行筛选,得到所述目标对象的目标区域。通过本申请可以提高目标对象的检测效率。
Description
技术领域
本申请涉及图像检测领域,尤其涉及一种目标对象检测方法、电子设备及存储介质。
背景技术
目前目标对象的检测方法主要是利用目标检测模型检测出目标对象,这种检测方式需要大量的训练数据集来训练所述目标检测模型,才能达到准确检测的效果。另外,如果出现新的目标对象,需要重新获取训练数据集来训练所述目标检测模型,这种方式需要占用大量的CPU内存,耗费大量的时间,目标对象检测效率低。
发明内容
鉴于以上内容,有必要提供一种目标对象检测方法、电子设备及存储介质,能提高目标对象的检测效率。
本申请提供一种目标对象检测方法,所述方法包括:获取包括目标对象的待测图像;基于所述目标对象生成模板图像;比对所述待测图像与所述模板图像,得到比对结果;根据所述比对结果确定所述待测图像中所述目标对象的侯选区域;对所述候选区域进行筛选,得到所述目标对象的目标区域。
在一种可能的实现方式中,所述比对所述待测图像与所述模板图像,得到比对结果包括:对所述待测图像进行二值化处理,得到二值化图像;在所述二值化图像上按照预设顺序滑动所述模板图像,直至所述模板图像的边缘与所述二值化图像的边缘对齐,得到所述二值化图像中的多个滑动区域;比对每个所述滑动区域与所述模板图像,得到多个比对结果。
在一种可能的实现方式中,所述对所述待测图像进行二值化处理,得到二值化图像包括:设置第一阈值;获取所述待测图像中每一个像素点对应的灰度值;根据所述第一阈值调整所述灰度值,得到所述二值化图像。
在一种可能的实现方式中,所述根据所述第一阈值调整所述灰度值包括:判断所述灰度值是否小于所述第一阈值;当所述灰度值小于所述第一阈值时,将所述灰度值调整为第一值;当所述灰度值大于或者等于所述第一阈值时,将所述灰度值调整为第二值。
在一种可能的实现方式中,所述比对每个所述滑动区域与所述模板图像,得到多个比对结果包括:计算每个所述滑动区域与所述模板图像的相似度,得到多个相似度结果。
在一种可能的实现方式中,所述根据所述比对结果确定所述待测图像中所述目标对象的侯选区域包括:判断所述相似度是否大于预设第二阈值;当所述相似度大于所述第二阈值时,将所述相似度对应的滑动区域作为所述目标对象的侯选区域。
在一种可能的实现方式中,所述对所述候选区域进行筛选,得到所述目标对象的目标区域包括:对所述候选区域进行非极大值抑制计算,得到所述目标对象的目标区域。
在一种可能的实现方式中,所述对所述候选区域进行非极大值抑制计算,得到所述目标对象的目标区域包括:根据所述相似度从大至小的顺序,对所述候选区域进行排序;获取第一相似度对应的第一候选区域与第二相似度对应的第二候选区域的交叠率;判断所述交叠率是否大于预设第三阈值;当所述交叠率大于等于所述预设第三阈值时,将所述第二候选区域从所述待测图像中删除,或者,当所述交叠率小于所述预设第三阈值时,将所述第二候选区域保留;获取所述第一候选区域与第三相似度对应的第三候选区域的交叠率,并重复上述过程,直至最小的相似度对应的候选区域,得到所述目标对象的目标区域。
本申请还提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的目标对象检测方法。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的目标对象检测方法。
本申请公开的目标对象检测方法及相关设备,通过获取包括目标对象的待测图像,并基于所述目标对象生成模板图像,进一步比对所述待测图像与所述模板图像,得到比对结果,根据所述比对结果确定所述待测图像中所述目标对象的侯选区域,对所述候选区域进行筛选,得到所述目标对象的目标区域。通过生成模板图像,并利用所述模板图像筛选出目标对象区域,可以提高目标对象的检测效率。
附图说明
图1是本申请实现一种目标对象检测方法的较佳实施例的电子设备的结构示意图。
图2是本申请公开的一种目标对象检测方法的较佳实施例的流程图。
图3是本申请公开的一种示例性待测图像。
图4是本申请公开的一种示例性二值化图像
图5是本申请公开的一种示例性候选区域图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本申请进行详细描述。
请参阅图1,图1为本申请一实施例的电子设备的示意图。参阅图1所示,所述电子设备1包括,但不仅限于,存储器11和至少一个处理器12上述元件之间可以通过通讯总线13连接,也可以直接连接。
所述电子设备1可以是计算机、手机、平板电脑、个人数字助理(Personal DigitalAssistant,PDA)等安装有应用程序的设备。本领域技术人员可以理解,所述示意图1仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
如图2所示,是本申请目标对象检测方法的较佳实施例的流程图。所述目标对象检测方法应用在所述电子设备1中。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。在本实施方式中,所述目标对象检测方法包括:
S11、获取包括目标对象的待测图像。
在本实施方式中,所述目标对象可以根据用户的实际需求进行设定,所述待测图像为包括所述目标对象的图像,例如,图3所示的所述IC承载盘图像,其中所述目标对象为芯片(Integrated Circuit Chip,IC),所述待测图像为所述IC承载盘图像。
S12、基于所述目标对象生成模板图像。
在本实施方式中,所述模板图像为白色的空白图像,并且所述模板图像的大小与所述目标对象对应的轮廓大小相同。
具体实施时,在所述待测图像中提取所述目标对象的矩形轮廓,并获取所述矩形轮廓的四个顶点坐标。根据所述顶点坐标计算得到所述矩形轮廓的长和宽。根据所述长和所述宽生成白色模板图像。
通过生成大小与所述目标对象对应的轮廓相同的白色模板图像,便于提取出所述待测图像中的目标图像。
S13、比对所述待测图像与所述模板图像,得到比对结果。
在本实施方式中,所述比对所述待测图像与所述模板图像,得到比对结果包括:
(1)对所述待测图像进行二值化处理,得到二值化图像。具体实施时,设置一个第一阈值,所述第一阈值位于0至255之间。获取所述待测图像中每一个像素点对应的灰度值,判断所述灰度值是否小于所述第一阈值,当所述灰度值小于所述第一阈值时,将所述灰度值调整为第一值,所述第一值为0。当所述灰度值大于或者等于所述第一阈值时,将所述灰度值调整为第二值,所述第二值为255。需要说明的是,图像二值化将所述待测图像转化为黑白分明的二值化图像,其中所述待测图像中的目标对象转化为了白色区域,背景区域转化为黑色区域。
(2)在所述二值化图像上按照预设顺序滑动所述模板图像,直至所述模板图像的边缘与所述二值化图像的边缘对齐,得到所述二值化图像中的多个滑动区域。具体实施时,设定所述模板图像的滑动步长,所述滑动步长可以根据所述目标对象对应的轮廓的宽进行设定。确定所述模板图像是否超出所述二值化图像的边缘,若所述模板图像超出所述二值化图像的边缘,反方向滑动所述模板图像,直至所述模板图像的边缘与所述二值化图像的边缘对齐。滑动结束后,得到所述二值化图像中的多个滑动区域。
(3)比对每个所述滑动区域与所述模板图像,得到多个比对结果。具体实施时,通过计算每个所述滑动区域与所述模板图像的相似度,得到多个相似度结果。获取所述模板图像中的每一个像素点,得到多个第一像素点。获取所述待检测图像中与所述第一像素点对应的像素点,得到多个第二像素点。计算所述第一像素点和对应的第二像素点的平方差,对所述平方差进行求和,得到多个相似度结果,将所述相似度结果作为所述比对结果。需要说明的是,平方差之和越小相似度越高,平方差之和越大相似度越小。例如,滑动区域A的平方差之和为2,滑动区域B的平方差之和为10,那么所述滑动区域A的相似度大于所述滑动区域B的相似度。
示例性的,所述待测图像为IC承载盘图像,所述目标对象为IC区域,如图3。首先生成一张与所述IC区域大小相同的白色模板图像。接着将所述IC承载盘图像转化为二值化图像,二值化后的IC承载盘图像中的IC区域变为白色区域,其他区域变为黑色区域,如图4。在所述二值化图像上滑动所述模板图像,得到多个滑动区域。将所述滑动区域和所述模板图像上的白色像素点设置为0,黑色像素点设置为1。计算所述模板图像上的像素点与所述滑动区域上的像素点的平方差之和,由于所述平方差之和越小相似度越高,平方差之和越大相似度越小,可以将1/(1+平方差之和)作为所述相似度。可以看出,当所述平方差之和为0的时候,所述相似度为1。
在本实施方式中,由于所述目标对象区域二值化后转变为白色区域,因此可以通过与所述白色模板图像的相似度来提取出所述目标对象区域。
S14、根据所述比对结果确定所述待测图像中所述目标对象的侯选区域。
在本实施方式中,与所述模板图像的相似度越高的滑动区域越接近于所述目标对象区域。
在本实施方式中,所述根据所述比对结果确定所述待测图像中所述目标对象的侯选区域包括:判断所述相似度是否大于预设第二阈值;当所述相似度大于所述第二阈值时,将所述相似度对应的滑动区域作为所述目标对象的侯选区域。
示例性的,设置一个第二阈值为1/5,所述步骤S13中得到的相似度分别为1、1/2、1/6、1/8、1/10,根据所述第二阈值可以确定1、1/2对应的滑动区域为目标对象的候选区域。如图5所示的IC区域的候选区域,其中,在图5中所述候选区域被白框框出。
通过利用模板图像筛选出候选区域,不用像传统的目标检测模型那样需要进行大量数据进行模型训练之后才可以获取候选区域,这种方式可以减少了CPU占用,提高目标对象的检测速率。
S15、对所述候选区域进行筛选,得到所述目标对象的目标区域。
在本实施方式中,由于所述多个滑动区域存在重叠部分,所述目标对象可能会被重复的选取,即所述候选区域可能会存在重叠。因此需要将这些多余的候选区域去除,留下正确的目标对象的区域。
在本实施方式中,所述对所述候选区域进行筛选,得到所述目标对象的目标区域包括:对所述候选区域进行非极大值抑制计算,得到所述目标对象的目标区域。
具体实施时,根据所述相似度从大至小的顺序,对所述候选区域进行排序。获取第一相似度对应的第一候选区域与第二相似度对应的第二候选区域的交叠率,其中所述第一相似度为最大的相似度,所述第二相似度为排在第二位的相似度。判断所述交叠率是否大于预设第三阈值。当所述交叠率大于等于所述预设第三阈值时,将所述第二候选区域从所述待测图像中删除,或者,当所述交叠率小于所述预设第三阈值时,将所述第二候选区域保留。获取所述第一候选区域与第三相似度对应的第三候选区域的交叠率,并重复上述过程,直至最小的相似度对应的候选区域,得到所述目标对象的目标区域。
可选的,
S501:构建第一数据库,并将IC区域的候选区域放入所述第一数据库;
S502:按照相似度的大小对所述候选区域进行从大到小的排序;
S503:获取所述第一相似度对应的第一候选区域与第二相似度对应的第二候选区域,其中,所述第一相似度是最大相似度;
S504:计算所述第二候选区域与所述第一候选区域的交叠率;
S505:判断所述交叠率是否大于预设的第三阈值;
S506:当所述交叠率大于等于所述第三阈值时,将所述交叠率对应的所述第二候选区域从所述第一数据库中删除;
S507:当所述交叠率小于所述第三阈值时,将所述交叠率对应的所述第二候选区域保留;
S508:将所述第一候选区域移入到预设的第二数据库;
S509:重复执行所述步骤S501至所述步骤S508,直到所述第一数据库为空;
S510:将所述第二数据库中的候选区域作为所述IC区域的目标区域。
示例性的,所述步骤S14得到的候选区域按照相似度从大到小排序之后分别为D>C>B>A。设置第三阈值为0.3。提取D,并获取C与D的交叠率为0.6,B与D的交叠率为0.1,A与D的交叠率为0,根据所述第三阈值删除C,保留A和B。并将D放入所述第二数据库。提取B,获取A与B的交叠率为0.4,根据所述第三阈值删除A,并将B放入所述第二数据库。确定B和D为目标区域。
通过提取与所述模板图像相似度高的目标候选区域,并删除与所述目标候选区域的重叠率高的候选区域,保留了准确的候选区域,提高了目标对象检测的准确率。
请继续参阅图1,本实施例中,所述存储器11可以是电子设备1的内部存储器,即内置于所述电子设备1的存储器。在其他实施例中,所述存储器11也可以是电子设备1的外部存储器,即外接于所述电子设备1的存储器。
在一些实施例中,所述存储器11用于存储程序代码和各种数据,并在电子设备1的运行过程中实现高速、自动地完成程序或数据的存取。
所述存储器11可以包括随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在一实施例中,所述处理器12可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、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。通用处理器可以是微处理器或者所述处理器也可以是其它任何常规的处理器等。
所述存储器11中的程序代码和各种数据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,本申请实现上述实施例方法中的全部或部分流程,例如实现延长电池服务寿命的方法中的步骤,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)等。
可以理解的是,以上所描述的模块划分,为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能模块可以集成在相同处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在相同单元中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种目标对象检测方法,其特征在于,所述目标对象检测方法包括:
获取包括目标对象的待测图像;
基于所述目标对象生成模板图像;
比对所述待测图像与所述模板图像,得到比对结果;
根据所述比对结果确定所述待测图像中所述目标对象的侯选区域;
对所述候选区域进行筛选,得到所述目标对象的目标区域。
2.根据权利要求1所述的目标对象检测方法,其特征在于,所述比对所述待测图像与所述模板图像,得到比对结果包括:
对所述待测图像进行二值化处理,得到二值化图像;
在所述二值化图像上按照预设顺序滑动所述模板图像,直至所述模板图像的边缘与所述二值化图像的边缘对齐,得到所述二值化图像中的多个滑动区域;
比对每个所述滑动区域与所述模板图像,得到多个比对结果。
3.根据权利要求2所述的目标对象检测方法,其特征在于,所述对所述待测图像进行二值化处理,得到二值化图像包括:
设置第一阈值;
获取所述待测图像中每一个像素点对应的灰度值;
根据所述第一阈值调整所述灰度值,得到所述二值化图像。
4.根据权利要求3所述的目标对象检测方法,其特征在于,所述根据所述第一阈值调整所述灰度值包括:
判断所述灰度值是否小于所述第一阈值;
当所述灰度值小于所述第一阈值时,将所述灰度值调整为第一值;
当所述灰度值大于或者等于所述第一阈值时,将所述灰度值调整为第二值。
5.根据权利要求4所述的目标对象检测方法,其特征在于,所述比对每个所述滑动区域与所述模板图像,得到多个比对结果包括:
计算每个所述滑动区域与所述模板图像的相似度,得到多个相似度结果。
6.根据权利要求5所述的目标对象检测方法,其特征在于,所述根据所述比对结果确定所述待测图像中所述目标对象的侯选区域包括:
判断所述相似度是否大于预设第二阈值;
当所述相似度大于所述第二阈值时,将所述相似度对应的滑动区域作为所述目标对象的侯选区域。
7.根据权利要求1所述的目标对象检测方法,其特征在于,所述对所述候选区域进行筛选,得到所述目标对象的目标区域包括:
对所述候选区域进行非极大值抑制计算,得到所述目标对象的目标区域。
8.根据权利要求7所述的目标对象检测方法,其特征在于,所述对所述候选区域进行非极大值抑制计算,得到所述目标对象的目标区域包括:
根据所述相似度从大至小的顺序,对所述候选区域进行排序;
获取第一相似度对应的第一候选区域与第二相似度对应的第二候选区域的交叠率;
判断所述交叠率是否大于预设第三阈值;
当所述交叠率大于等于所述预设第三阈值时,将所述第二候选区域从所述待测图像中删除,或者,当所述交叠率小于所述预设第三阈值时,将所述第二候选区域保留;
获取所述第一候选区域与第三相似度对应的第三候选区域的交叠率,并重复上述过程,直至最小的相似度对应的候选区域,得到所述目标对象的目标区域。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至权利要求8中任意一项所述的目标对象检测方法。
10.一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至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至权利要求8中任意一项所述的目标对象检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746165.3A CN115564790A (zh) | 2021-07-01 | 2021-07-01 | 目标对象检测方法、电子设备及存储介质 |
US17/747,140 US20230005280A1 (en) | 2021-07-01 | 2022-05-18 | Method of detecting target objects in images, electronic device, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746165.3A CN115564790A (zh) | 2021-07-01 | 2021-07-01 | 目标对象检测方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115564790A true CN115564790A (zh) | 2023-01-03 |
Family
ID=84737106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110746165.3A Pending CN115564790A (zh) | 2021-07-01 | 2021-07-01 | 目标对象检测方法、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230005280A1 (zh) |
CN (1) | CN115564790A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503815A (zh) * | 2023-06-21 | 2023-07-28 | 宝德计算机系统股份有限公司 | 一种基于大数据的计算机视觉处理系统 |
CN117456316A (zh) * | 2023-12-26 | 2024-01-26 | 苏州镁伽科技有限公司 | 图像去重处理方法、装置、存储介质和电子设备 |
-
2021
- 2021-07-01 CN CN202110746165.3A patent/CN115564790A/zh active Pending
-
2022
- 2022-05-18 US US17/747,140 patent/US20230005280A1/en active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503815A (zh) * | 2023-06-21 | 2023-07-28 | 宝德计算机系统股份有限公司 | 一种基于大数据的计算机视觉处理系统 |
CN116503815B (zh) * | 2023-06-21 | 2024-01-30 | 宝德计算机系统股份有限公司 | 一种基于大数据的计算机视觉处理系统 |
CN117456316A (zh) * | 2023-12-26 | 2024-01-26 | 苏州镁伽科技有限公司 | 图像去重处理方法、装置、存储介质和电子设备 |
CN117456316B (zh) * | 2023-12-26 | 2024-03-19 | 苏州镁伽科技有限公司 | 图像去重处理方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20230005280A1 (en) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
US20150016679A1 (en) | Feature extraction device, feature extraction method, and feature extraction program | |
CN114627092A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN110619333B (zh) | 一种文本行分割方法、文本行分割装置及电子设备 | |
CN115564790A (zh) | 目标对象检测方法、电子设备及存储介质 | |
CN110059702B (zh) | 一种物体轮廓识别方法及装置 | |
CN110503682B (zh) | 矩形控件识别方法、装置、终端及存储介质 | |
CN111681256A (zh) | 图像边缘检测方法、装置、计算机设备和可读存储介质 | |
CN109389110B (zh) | 一种区域确定方法及装置 | |
CN116071774A (zh) | 表格图像单元格行列信息索引方法、计算机装置及存储介质 | |
CN116958503B (zh) | 一种基于图像处理的污泥干化等级识别方法及系统 | |
US9858293B2 (en) | Image processing apparatus and image processing method | |
CN111199228B (zh) | 一种车牌定位的方法及装置 | |
CN110383287B (zh) | 反色区域的确定方法、指纹芯片及电子设备 | |
CN111325199B (zh) | 一种文字倾斜角度检测方法及装置 | |
CN113807407B (zh) | 目标检测模型训练方法、模型性能检测方法及装置 | |
TWI816150B (zh) | 目標對象檢測方法、電子設備及儲存介質 | |
CN110895849A (zh) | 冠字号切割定位方法、装置、计算机设备及存储介质 | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
US11481881B2 (en) | Adaptive video subsampling for energy efficient object detection | |
CN114529570A (zh) | 图像分割方法、图像识别方法、用户凭证补办方法及系统 | |
CN114495144A (zh) | 文本图像中表格key-value信息的提取方法及装置 | |
CN113537253A (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
JP6175904B2 (ja) | 照合対象抽出システム、照合対象抽出方法、照合対象抽出プログラム | |
US20090245658A1 (en) | Computer-readable recording medium having character recognition program recorded thereon, character recognition device, and character recognition method |
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 |