CN116563521B - 目标检测的检测框处理方法及其装置、电子设备 - Google Patents
目标检测的检测框处理方法及其装置、电子设备 Download PDFInfo
- Publication number
- CN116563521B CN116563521B CN202310395471.6A CN202310395471A CN116563521B CN 116563521 B CN116563521 B CN 116563521B CN 202310395471 A CN202310395471 A CN 202310395471A CN 116563521 B CN116563521 B CN 116563521B
- Authority
- CN
- China
- Prior art keywords
- detection frame
- detection
- frames
- frame
- overlapped
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 682
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012217 deletion Methods 0.000 claims description 17
- 230000037430 deletion Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004904 shortening Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种目标检测的检测框处理方法及其装置、电子设备、计算机可读存储介质,涉及图像处理技术领域。该方法包括:获取待处理图像的检测框集合,检测框集合包括对待处理图像中的多个目标对象进行目标检测得到的多个检测框;依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作,得到待处理图像的检测框处理结果。该方法通过获取待处理图像的检测框集合,并依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作的方式,实现有效排除重叠检测框的目的,从而实现提高目标检测的准确性的目的。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种目标检测的检测框处理方法及其装置、电子设备、计算机可读存储介质。
背景技术
近年来,随着深度学习和卷积网络的发展和进步,目标检测被广泛应用在多个领域。通常待处理图像会被切分为多个切片进行目标检测,由于多个切片彼此之间具有重叠区域,检测后拼接时重叠区域会出现检测框重叠的问题,从而降低目标检测的准确性。
因此,去除重叠检测框对于目标检测的准确性至关重要。然而,目前的去除重叠检测框的方式的效果不甚理想。
发明内容
有鉴于此,本申请实施例提供了一种目标检测的检测框处理方法及其装置、电子设备、计算机可读存储介质。
本申请第一方面提供了一种目标检测的检测框处理方法,包括:获取待处理图像的检测框集合,所述检测框集合包括对所述待处理图像中的多个目标对象进行目标检测得到的多个检测框;依照所述检测框集合中的检测框面积从大到小的顺序,遍历所述多个检测框分别执行重叠检测框的删除操作,得到所述待处理图像的检测框处理结果。
在一个实施例中,对检测框执行重叠检测框的删除操作,包括:获取检测框对应的检测框集合,检测框对应的检测框集合是对检测框对应的上一个遍历的检测框执行重叠检测框的删除操作后得到的;删除检测框对应的检测框集合中与检测框重叠的检测框。
在一个实施例中,该方法还包括:若在检测框对应的检测框集合中,存在与检测框的交并比值大于零、以及几何中心点位于检测框内的疑似重叠检测框,则基于疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定疑似重叠检测框是否为与检测框重叠的检测框。
在一个实施例中,基于疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定疑似重叠检测框是否为与检测框重叠的检测框,包括:若疑似重叠检测框对应的形状几何特征参数不符合几何特征参数要求,则确定疑似重叠检测框为与检测框重叠的检测框;或者,若疑似重叠检测框对应的形状几何特征参数符合几何特征参数要求,并且目标检测预测值小于预设阈值,则确定疑似重叠检测框为与检测框重叠的检测框。
在一个实施例中,该方法还包括:针对每个检测框,在对检测框执行重叠检测框的删除操作后,若检测框对应的形状几何特征参数符合几何特征参数要求,则将执行重叠检测框的删除操作后的检测框集合,确定为检测框对应的下一个遍历的检测框对应的检测框集合。
在一个实施例中,该方法还包括:针对每个检测框,在对检测框执行重叠检测框的删除操作后,若检测框对应的形状几何特征参数不符合几何特征参数要求,则调整检测框对应的形状几何特征参数;将调整后的检测框和执行重叠检测框的删除操作后的检测框集合,确定为检测框对应的下一个遍历的检测框对应的检测框集合。
在一个实施例中,检测框的形状为矩形,形状几何特征参数包括长宽比;其中,调整检测框对应的形状几何特征参数,包括:缩短矩形的长边。
本申请第二方面提供了一种目标检测的检测框处理装置,包括:获取模块,配置为获取待处理图像的检测框集合,检测框集合包括对待处理图像中的多个目标对象进行目标检测得到的多个检测框;执行模块,配置为依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作,得到待处理图像的检测框处理结果。
本申请第三方面提供了一种电子设备,包括:处理器;和存储器,存储器中存储有计算机程序指令,计算机程序指令被处理器运行时,处理器执行上述第一方面提供的目标检测的检测框处理方法。
本申请第四方面提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器运行时,处理器执行第一方面提供的目标检测的检测框处理方法。
根据本申请实施例提供的目标检测的检测框处理方法,通过获取待处理图像的检测框集合,并依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作的方式,实现有效排除重叠的检测框的目的,从而实现提高目标检测的准确性的目的。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。
图1所示为本申请一实施例提供的目标检测的检测框处理方法的流程示意图。
图2所示为本申请一实施例提供的对当前遍历的检测框执行重叠检测框的流程示意图。
图3所示为本申请一实施例提供的判断当前遍历的检测框对应的检测框集合中的检测框X是否与当前遍历的检测框A重叠的流程示意图。
图4所示为本申请一实施例提供的基于疑似重叠检测框对应的形状几何特征参数和目标检测预测值,判断疑似重叠检测框X是否为与检测框A重叠的检测框的流程示意图。
图5所示为本申请一实施例提供的获取检测框A对应的下一个遍历的检测框对应的检测框集合的流程示意图。
图6所示为本申请一实施例提供的进行黄斑区目标检测之后的眼底图像的示意图。
图7所示为图6所示眼底图像被上述目标检测的检测框处理方法处理后的示意图。
图8所示为本申请一实施例提供的目标检测的检测框处理装置的结构示意图。
图9所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅是本申请一部分实施例,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。
目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。随着科技的发展,目标检测被广泛应用在多个领域,比如,利用目标检测模型对眼底图像进行黄斑区检测。
目前,为了提高检测速度,待检测图像会被切分为多个切片进行目标检测,检测后多个切片需要进行拼接以得到完整的目标检测结果。然而,由于在进行切片时会预留富余量,两个相邻切片之间有部分是重叠的,从而使得检测后的多个切片在拼接时,重叠区域可能会出现检测框重叠的问题,从而降低目标检测的准确性。
举例说明,将一张512*512像素输入目标检测模型,目标检测模型将待检测图像切分为多个64*64的切片进行目标检测,在切分的过程,每个切片与它相邻的切片之间会有10像素是重叠的,将检测后的多个切片拼接得到目标检测结果,该目标检测结果中重叠区域会出现一个目标对象对应多个检测框的问题,比如,一个黄斑区对应多个检测框的问题。
因此,去除重叠检测框对于目标检测的准确性至关重要。目前通常采用非极大值抑制(Non-Maximum Suppression)算法来去除重叠的检测框。在该方法中,对目标检测模型预测的所有检测框按照识别概率由高到低排序,然后选取识别概率值最高的检测框作为参照检测框A,分别计算参照检测框A与其余剩下的检测框的交并比(Intersection overUnion,IoU),若参照检测框A与某个检测框的IoU大于预设阈值,则认为该检测框与参照检测框A是同时负责预测同一个目标的,所以将该检测框删除,否则予以保留。然后在未被删除的检测框中再次选择识别概率值最高的检测框作为新参照检测框A,重复以上过程,直至满足预设停止条件。
然而,该方法会保留很多细小的重叠的检测框,重叠的检测框很多是不完整的,只能覆盖目标的一部分,也就是说,该方法的去除重叠检测框的方式的效果不甚理想。因此,亟须一种检测框处理方法,能够有效去除重叠的检测框。
为了解决上述问题,本申请实施例提供一种目标检测的检测框处理方法,通过获取待处理图像的检测框集合,并依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作的方式,实现有效排除重叠检测框的目的,从而实现提高目标检测的准确性的目的。
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,所描述的实施例仅是本申请一部分实施例,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。
图1所示为本申请一实施例提供的目标检测的检测框处理方法的流程示意图。如图1所示,该目标检测的检测框处理方法包括以下步骤。
步骤S110,获取待处理图像的检测框集合。
示例性地,检测框集合包括对待处理图像中的多个目标对象进行目标检测得到的多个检测框。
具体地,在待检测图像的多个图像切片被拼接后,待检测图像中所有检测框形成待处理图像的检测框集合。
步骤S120,依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作,得到待处理图像的检测框处理结果。
具体地,获取检测框集合中的多个检测框各自的面积,按照检测框面积从大到小的顺序确定多个检测框各自的遍历顺序,依照遍历顺利,对当前遍历到的当前检测框执行重叠检测框的删除操作,直至遍历完毕,得到待处理图像的检测框处理结果。
本申请实施例中,通过获取待处理图像的检测框集合,并依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作的方式,实现有效排除重叠检测框的目的,从而实现提高目标检测的准确性的目的。
下面结合图2详细阐述,对当前遍历的检测框执行重叠检测框的删除操作。图2所示为本申请另一实施例提供的对检测框执行重叠检测框的删除操作的流程示意图。
如图2所示,对检测框执行重叠检测框的删除操作步骤,包括以下步骤。
步骤S210,获取检测框对应的检测框集合。
示例性地,检测框对应的检测框集合是对检测框对应的上一个遍历的检测框执行重叠检测框的删除操作后得到的。
步骤S220,删除检测框对应的检测框集合中与检测框重叠的检测框。
举例说明,待处理图像的检测框集合中包括N个检测框,按照检测框面积从大到小的顺序确定多个检测框各自的遍历顺序。针对遍历顺序在第1位的检测框(即,检测框集合中面积最大的检测框),在待处理图像的检测框集合中,除了第1位的检测框之外的所有检测框,形成第1位的检测框对应的检测框集合。针对遍历顺序在第2位至第N位的检测框,各自对应的检测框集合分别为第1位至第N-1位的检测框执行重叠检测框的删除操作后得到的。
在获得当前遍历的检测框对应的检测框集合之后,需要判断当前遍历的检测框对应的检测框集合中的每个检测框,是否与当前遍历的检测框重叠。
为了更好地阐述上述提及的如何判断当前遍历的检测框对应的检测框集合中的每个检测框,是否与当前遍历的检测框重叠。结合图3和图4,以判断当前遍历的检测框对应的检测框集合中的检测框X是否与当前遍历的检测框A重叠为例进行示例性阐述。
如图3所示,判断检测框X是否与检测框A重叠包括以下步骤。
步骤S310,确定检测框X和检测框A的交并比。
步骤S320,判断交并比是否大于0。
交并比(Intersection over Union,IoU)指的是检测框X和检测框A的交集和并集的比值。
若交并比等于0,则表明检测框X和检测框A不相交,二者不是一个目标对象的检测框,则保留检测框X。若交并比小于0,则执行下述步骤S330和步骤S340。
步骤S330,确定检测框X的几何中心点。
步骤S340,检测框X的几何中心点是否位于检测框A中。
若检测框X和检测框A的交并比大于0,且检测框X的几何中心点不位于检测框A中,则确定检测框X和检测框A不重叠,二者不是一个目标对象的检测框,则保留检测框X。
若检测框X和检测框A的交并比大于0,且检测框X的几何中心点位于检测框A中,则表明检测框X和检测框A有一定概率是相交,因此,确定检测框X为疑似重叠检测框(为了方便阐述,后续称为疑似重叠检测框X),需要执行步骤S350,即,需要进一步基于疑似重叠检测框X对应的形状几何特征参数和目标检测预测值,确定疑似重叠检测框X是否为与检测框重叠A的检测框。
步骤S350,基于疑似重复检测框对应的形状几何特征参数和目标检测预测值,确定疑似重复检测框是否为与检测框重叠的检测框。
需要说明的是,保留的检测框X会进入下一个遍历的检测框对应的检测框集合中。
下面结合图4详细说明如何基于疑似重叠检测框对应的形状几何特征参数和目标检测预测值,判断疑似重叠检测框X是否为与检测框A重叠的检测框。
如图4所示,基于疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定疑似重叠检测框是否为与检测框A重叠的检测框步骤,包括如下步骤。
步骤S410,确定疑似重叠检测框X对应的形状几何特征参数。
示例性地,形状几何特征参数与检测框的形状相关,比如,若检测框是矩形,则形状几何特征参数为长宽比,若检测框是圆形,则几何特征参数为圆度,若检测框是椭圆形,则几何特征参数为椭圆度等。
步骤S420,判断疑似重叠检测框X对应的形状几何特征参数是否符合几何特征参数要求。
具体地,几何特征参数要求是提前预设的,比如,检测框是矩形,形状几何特征参数为长宽比,几何特征参数要求为长宽比小于5。
若疑似重叠检测框X对应的形状几何特征参数不符合几何特征参数要求,表明疑似重叠检测框X属于破损或者只遮盖部分目标对象的非完整检测框,因此,判断疑似重叠检测框X为检测框A重叠的检测框,应该将其删除。
若疑似重叠检测框X对应的形状几何特征参数符合几何特征参数要求,表明重叠检测框X并非属于破损或者只遮盖部分目标对象的非完整检测框,则需要继续执行下述步骤S430和步骤S440。
步骤S430,确定疑似重叠检测框X的目标检测预测值。
在进行目标检测时,在检测框将目标对象框住时,还会有属于该目标对象的预测值,比如,对眼底黄斑区进行检测,该检测框框住眼底黄斑区时,同时携带属于眼底黄斑区的概率值,例如85%。
步骤S440,判断疑似重叠检测框X的目标检测预测值是否小于预设阈值。
若疑似重叠检测框X的目标检测预测值小于预设阈值,虽然似重叠检测框X是完整的检测框,但其目标检测预测值过低,也并非可信的。因此,确定疑似重叠检测框X为与检测框A重叠的检测框,疑似重叠检测框X应该被删除。
若疑似重叠检测框X的目标检测预测值大于或者等于预设阈值,再结合疑似重叠检测框X对应的形状几何特征参数符合几何特征参数要求的前提,则确定疑似重叠检测框X并非与检测框A重叠的检测框,可以保留。
本申请实施例中,在进行重叠检测框删除操作的过程中,考虑交并比、中心点位置、几何特征参数和目标检测预测值等因素,更能全面反映检测框之间的关系,从而保留了面积相对较大、中心点位置合理、几何特征参数符合要求、以及目标检测预测值较高的检测框,为准确排除待检测图像中的重叠检测框提供基础。
需要说明的是,当前遍历的检测框对应的检测框集合中的每个检测框都需要被判断是否与当前遍历的检测框重叠,也就是说,当前遍历的检测框对应的检测框集合中的每个检测框均需要利用上述图3和图4所示实施例的方式,确定是被保留还是被删除。
在一些实施例中,为了尽量不遗漏地排除待检测图像中的重叠检测框,在对当前遍历的检测框执行重叠检测框的删除操作后,还需要判断当前遍历的检测框,获取当前遍历的检测框对应的下一个遍历的检测框对应的检测框集合。
具体地,获取当前遍历的检测框对应的下一个遍历的检测框对应的检测框集合的具体实现方式为,判断检测框的形状几何特征参数是否符合几何特征参数要求。若检测框对应的形状几何特征参数符合几何特征参数要求,执行重叠检测框的删除操作后的检测框集合,确定为检测框对应的下一个遍历的检测框对应的检测框集合。若检测框对应的形状几何特征参数符合几何特征参数要求,则调整检测框对应的形状几何特征参数,将调整后的检测框和执行重叠检测框的删除操作后的检测框集合,确定为检测框对应的下一个遍历的检测框对应的检测框集合。
为了更好地阐述举例详细说明,下面以当前遍历的检测框A为例,结合图5进行进一步实施例的举例说明。本申请实施例中,检测框A的几何特征参数为长宽比,几何特征参数要求为小于预设长宽比参数。
如图5所示,获取检测框A对应的下一个遍历的检测框对应的检测框集合步骤,包括如下步骤。
步骤S510,判断检测框A的长宽比是否小于预设长宽比参数。
若检测框A的长宽比小于预设长宽比参数,则执行下述步骤S520,即,表明检测框A不属于非完整检测框,无需进入检测框A对应的下一个遍历的检测框对应的检测框集合中。若检测框A的长宽比大于或者等于预设长宽比参数,则执行下述步骤S530和S540。即,表明检测框A属于非完整检测框,需要调整进入下一个遍历的检测框对应的检测框集合中,再次经历下一个重叠检测框的删除操作。
步骤S520,将执行重叠检测框的删除操作后的所有被保留的检测框集合,确定为检测框A对应的下一个遍历的检测框对应的检测框集合。
步骤S530,调整检测框A的长宽比。
示例性地,步骤S530可以被实现为,缩短长边的长度。
步骤S540,将调整后的检测框A和将执行重叠检测框的删除操作后的所有被保留的检测框集合,确定为检测框A对应的下一个遍历的检测框对应的检测框集合。
本申请实施例中,通过判断形状几何特征参数是否符合几何特征参数要求的方式,实现判断当前遍历的检测框是否是非完整的检测框的目的,从而实现基于判断结果确定是否将前遍历的检测框放入下一个遍历的检测框对应的检测框集合的目的,进而实现全面筛选待处理图像中的全部检测框,以准确排除待检测图像中的重叠检测框的目的。
示例性地,上述实施例提供的目标检测的检测框处理方法可以由目标检测模型实现,通过预先设置目标检测模型,使目标检测模型具有实施上述实施例提供目标检测的检测框处理方法的能力。
下面以用于对眼底图像进行黄斑区目标检测为例,结合图6和图7进行进一步展示本申请实施例提供的目标检测的检测框处理方法的准确性。
图6所示为本申请一实施例提供的进行黄斑区目标检测之后的眼底图像的示意图。图7所示为图6所示眼底图像被上述目标检测的检测框处理方法处理后的示意图。
如图6所示,目标检测模型对眼底图像进行黄斑区目标检测之后,重叠区域会出现一个目标对象对应多个检测框的情况。目标检测模型利用上述实施例提供的目标检测的检测框处理方法去除重叠的检测框,得到图7所示的处理结果,即一个目标对象只对应一个检测框,并且该检测框完整不残缺。
由此可见,本申请实施例提供的目标检测的检测框处理方法,能够有效排除重叠的检测框,以实现提高目标检测的准确性的目的。
上文结合图1至图7,详细描述了本申请的方法实施例,下面结合图8至图9,详细描述本申请的装置实施例。此外,应理解,方法实施例的描述与装置实施例的描述相互对应,因此,未详细描述的部分可以参见前面方法实施例。
图8所示为本申请一实施例提供的目标检测的检测框处理装置的结构示意图。如图8所示,本申请实施例提供的目标检测的检测框处理装置800包括获取模块810和处理模块820。
具体地,获取模块810被配置为,获取待处理图像的检测框集合,检测框集合包括对待处理图像中的多个目标对象进行目标检测得到的多个检测框。处理模块820被配置为,依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作,得到待处理图像的检测框处理结果。
本申请实施例中,通过获取待处理图像的检测框集合,并依照检测框集合中的检测框面积从大到小的顺序,遍历多个检测框分别执行重叠检测框的删除操作的方式,实现有效排除重叠的检测框的目的,从而实现提高目标检测的准确性的目的。
在一些实施例中,处理模块820进一步被配置为,获取检测框对应的检测框集合,检测框对应的检测框集合是对检测框对应的上一个遍历的检测框执行重叠检测框的删除操作后得到的。删除检测框对应的检测框集合中与检测框重叠的检测框。
在一些实施例中,处理模块820进一步被配置为,若在检测框对应的检测框集合中,存在与检测框的交并比值大于零、以及几何中心点位于检测框内的疑似重叠检测框,则基于疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定疑似重叠检测框是否为与检测框重叠的检测框。
在一些实施例中,处理模块820进一步被配置为,若疑似重叠检测框对应的形状几何特征参数不符合几何特征参数要求,则确定疑似重叠检测框为与检测框重叠的检测框;或者,若疑似重叠检测框对应的形状几何特征参数符合几何特征参数要求,并且目标检测预测值小于预设阈值,则确定疑似重叠检测框为与检测框重叠的检测框。
在一些实施例中,处理模块820进一步被配置为,针对每个检测框,在对检测框执行重叠检测框的删除操作后,若检测框对应的形状几何特征参数符合几何特征参数要求,则将执行重叠检测框的删除操作后的检测框集合,确定为检测框对应的下一个遍历的检测框对应的检测框集合。
在一些实施例中,处理模块820进一步被配置为,针对每个检测框,在对检测框执行重叠检测框的删除操作后,若检测框对应的形状几何特征参数不符合几何特征参数要求,则调整检测框对应的形状几何特征参数;将调整后的检测框和执行重叠检测框的删除操作后的检测框集合,确定为检测框对应的下一个遍历的检测框对应的检测框集合。
在一些实施例中,检测框的形状为矩形,形状几何特征参数包括长宽比,其中,处理模块820进一步被配置为,缩短矩形的长边。
图9所示为本申请一实施例提供的电子设备的结构示意图。图9所示的电子设备900包括存储器901、处理器902、通信接口903以及总线904。其中,存储器901、处理器902、通信接口903通过总线904实现彼此之间的通信连接。
存储器901可以是只读存储器(Read Only Memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(Random Access Memory,RAM)。存储器901可以存储程序,当存储器901中存储的程序被处理器902执行时,处理器902和通信接口903用于执行本申请实施例的目标检测的检测框处理方法的各个步骤。
处理器902可以采用通用的中央处理器(Central Processing Unit,CPU),微处理器,应用专用集成电路(Application SpecificIntegrated Circuit,ASIC),图形处理器(GraphicsProcessing Unit,GPU)或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例的数据库测试装置中的单元所需执行的功能。
处理器902还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请的目标检测的检测框处理方法的各个步骤可以通过处理器902中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器902还可以是通用处理器、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(ASIC)、现场可编程门阵列(FieldProgrammable GateArray,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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器901,处理器902读取存储器901中的信息,结合其硬件完成本申请实施例的目标检测的检测框处理装置中包括的单元所需执行的功能,或者执行本申请方法实施例的目标检测的检测框处理方法。
通信接口903使用例如但不限于收发器一类的收发装置,来实现电子设备900与其他设备或通信网络之间的通信。例如,可以通过通信接口903接收品宣请求或者品宣数据。
总线904可包括在电子设备900各个部件(例如,存储器901、处理器902、通信接口903)之间传送信息的通路。
应注意,尽管图9所示的电子设备900仅仅示出了存储器、处理器、通信接口,但是在具体实现过程中,本领域的技术人员应当理解,电子设备900还包括实现正常运行所必需的其他器件。同时,根据具体需要,本领域的技术人员应当理解,电子设备900还可包括实现其他附加功能的硬件器件。此外,本领域的技术人员应当理解,电子设备900也可仅仅包括实现本申请实施例所必需的器件,而不必包括图9中所示的全部器件。
除了上述方法、装置和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本申请各个实施例提供的目标检测的检测框处理方法的各个步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的步骤式程序设计语言,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本申请各个实施例提供的目标检测的检测框处理方法的各个步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元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,机械或其他的形式。
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,既可以位于一个地方,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相似区域分割单元中,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、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
本申请中涉及的装置方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置装置的模块和单元。诸如“包括”“包含”“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (7)
1.一种目标检测的检测框处理方法,其特征在于,包括:
获取待处理图像的检测框集合,所述检测框集合包括对所述待处理图像中的多个目标对象进行目标检测得到的多个检测框;
依照所述检测框集合中的检测框面积从大到小的顺序,遍历所述多个检测框分别执行重叠检测框的删除操作,得到所述待处理图像的检测框处理结果;
其中,在判断检测框是否重叠时,所述方法还包括:
若当前遍历的检测框对应的检测框集合中的检测框,与所述当前遍历的检测框的交并比值等于零,则保留所述当前遍历的检测框;
若当前遍历的检测框对应的检测框集合中检测框,与所述当前遍历的检测框的交并比值大于零,则确定所述当前遍历的检测框的几何中心点;
若所述当前遍历的检测框的几何中心点位于所述当前遍历的检测框对应的检测框集合中的检测框中,则确定所述当前遍历的检测框为疑似重叠检测框,并基于所述疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定所述疑似重叠检测框是否为与所述检测框重叠的检测框;
若所述当前遍历的检测框的几何中心点不位于所述当前遍历的检测框对应的检测框集合中的检测框中,则确定所述当前遍历的检测框和所述检测框不重叠;
其中,所述方法还包括:针对每个所述检测框,在对所述检测框执行所述重叠检测框的删除操作后,若所述检测框对应的形状几何特征参数符合几何特征参数要求,则将执行所述重叠检测框的删除操作后的检测框集合,确定为所述检测框对应的下一个遍历的检测框对应的检测框集合;
所述方法还包括:针对每个所述检测框,在对所述检测框执行所述重叠检测框的删除操作后,若所述检测框对应的形状几何特征参数不符合几何特征参数要求,则调整所述检测框对应的形状几何特征参数;
将调整后的检测框和执行所述重叠检测框的删除操作后的检测框集合,确定为所述检测框对应的下一个遍历的检测框对应的检测框集合。
2.根据权利要求1所述的方法,其特征在于,对所述检测框执行所述重叠检测框的删除操作,包括:
获取所述检测框对应的检测框集合,所述检测框对应的检测框集合是对所述检测框对应的上一个遍历的检测框执行重叠检测框的删除操作后得到的;
删除所述检测框对应的检测框集合中与所述检测框重叠的检测框。
3.根据权利要求1所述的方法,其特征在于,所述基于所述疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定所述疑似重叠检测框是否为与所述检测框重叠的检测框,包括:
若所述疑似重叠检测框对应的形状几何特征参数不符合几何特征参数要求,则确定所述疑似重叠检测框为与所述检测框重叠的检测框;或者,
若所述疑似重叠检测框对应的形状几何特征参数符合所述几何特征参数要求,并且所述目标检测预测值小于预设阈值,则确定所述疑似重叠检测框为与所述检测框重叠的检测框。
4.根据权利要求1所述的方法,其特征在于,所述检测框的形状为矩形,所述形状几何特征参数包括长宽比;
其中,所述调整所述检测框对应的形状几何特征参数,包括:缩短所述矩形的长边。
5.一种目标检测的检测框处理装置,其特征在于,包括:
获取模块,配置为获取待处理图像的检测框集合,所述检测框集合包括对所述待处理图像中的多个目标对象进行目标检测得到的多个检测框;
处理模块,配置为依照所述检测框集合中的检测框面积从大到小的顺序,遍历所述多个检测框分别执行重叠检测框的删除操作,得到所述待处理图像的检测框处理结果;
所述处理模块进一步被配置为,在判断检测框是否重叠时,
若当前遍历的检测框对应的检测框集合中的检测框,与所述当前遍历的检测框的交并比值等于零,则保留所述当前遍历的检测框;
若当前遍历的检测框对应的检测框集合中检测框,与所述当前遍历的检测框的交并比值大于零,则确定所述当前遍历的检测框的几何中心点;
若所述当前遍历的检测框的几何中心点位于所述当前遍历的检测框对应的检测框集合中的检测框中,则确定所述当前遍历的检测框为疑似重叠检测框,并基于所述疑似重叠检测框对应的形状几何特征参数和目标检测预测值,确定所述疑似重叠检测框是否为与所述检测框重叠的检测框;
若所述当前遍历的检测框的几何中心点不位于所述当前遍历的检测框对应的检测框集合中的检测框中,则确定所述当前遍历的检测框和所述检测框不重叠;
所述处理模块进一步被配置为,针对每个所述检测框,在对所述检测框执行所述重叠检测框的删除操作后,若所述检测框对应的形状几何特征参数符合几何特征参数要求,则将执行所述重叠检测框的删除操作后的检测框集合,确定为所述检测框对应的下一个遍历的检测框对应的检测框集合;
所述处理模块进一步被配置为,针对每个所述检测框,在对所述检测框执行所述重叠检测框的删除操作后,若所述检测框对应的形状几何特征参数不符合几何特征参数要求,则调整所述检测框对应的形状几何特征参数;
将调整后的检测框和执行所述重叠检测框的删除操作后的检测框集合,确定为所述检测框对应的下一个遍历的检测框对应的检测框集合。
6.一种电子设备,其特征在于,包括:
处理器;和
存储器,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时,所述处理器执行权利要求1至4中任一项所述的目标检测的检测框处理方法。
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上存储有计算机程序指令,所述计算机程序指令被处理器运行时,所述处理器执行权利要求1至4中任一项所述的目标检测的检测框处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310395471.6A CN116563521B (zh) | 2023-04-14 | 2023-04-14 | 目标检测的检测框处理方法及其装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310395471.6A CN116563521B (zh) | 2023-04-14 | 2023-04-14 | 目标检测的检测框处理方法及其装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116563521A CN116563521A (zh) | 2023-08-08 |
CN116563521B true CN116563521B (zh) | 2024-04-23 |
Family
ID=87490729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310395471.6A Active CN116563521B (zh) | 2023-04-14 | 2023-04-14 | 目标检测的检测框处理方法及其装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116563521B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960174A (zh) * | 2018-07-12 | 2018-12-07 | 广东工业大学 | 一种目标检测结果优化方法及装置 |
WO2020098506A1 (zh) * | 2018-11-13 | 2020-05-22 | 北京市商汤科技开发有限公司 | 路口状态检测方法、装置、电子设备及车辆 |
CN111738263A (zh) * | 2020-08-24 | 2020-10-02 | 北京易真学思教育科技有限公司 | 目标检测方法、装置、电子设备及存储介质 |
CN111783665A (zh) * | 2020-06-30 | 2020-10-16 | 创新奇智(西安)科技有限公司 | 一种动作识别方法、装置、存储介质和电子设备 |
CN112101061A (zh) * | 2019-06-17 | 2020-12-18 | 富士通株式会社 | 目标检测方法、装置及图像处理设备 |
KR20210133174A (ko) * | 2020-12-22 | 2021-11-05 | 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. | 목표 탐지 신뢰도를 결정하는 방법 및 장치, 전자 기기, 저장 매체, 노변 기기, 클라우드 제어 플랫폼, 컴퓨터 프로그램 제품 |
CN113887372A (zh) * | 2021-09-27 | 2022-01-04 | 厦门汇利伟业科技有限公司 | 目标聚集检测方法及计算机可读存储介质 |
WO2022134624A1 (zh) * | 2020-12-22 | 2022-06-30 | 亿咖通(湖北)技术有限公司 | 一种行人目标的检测方法、电子设备及存储介质 |
CN114708441A (zh) * | 2022-04-08 | 2022-07-05 | 上海商汤科技开发有限公司 | 目标检测及状态确定方法、装置、设备及存储介质 |
CN115409985A (zh) * | 2022-08-25 | 2022-11-29 | 北京京东乾石科技有限公司 | 目标对象检测方法、装置、电子设备及可读存储介质 |
CN115512258A (zh) * | 2022-09-06 | 2022-12-23 | 长沙智能驾驶研究院有限公司 | 一种视频图像的脱敏方法、装置、终端设备和存储介质 |
CN115719469A (zh) * | 2021-08-23 | 2023-02-28 | 中移(成都)信息通信科技有限公司 | 目标识别方法及装置、设备、存储介质 |
CN115797690A (zh) * | 2022-11-29 | 2023-03-14 | 重庆长安汽车股份有限公司 | 一种密集目标的检测识别方法、装置、设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6261190B2 (ja) * | 2013-05-31 | 2018-01-17 | キヤノン株式会社 | 設定装置および設定方法 |
CN110826572B (zh) * | 2018-08-09 | 2023-04-21 | 京东方科技集团股份有限公司 | 多目标检测的非极大值抑制方法、装置及设备 |
-
2023
- 2023-04-14 CN CN202310395471.6A patent/CN116563521B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960174A (zh) * | 2018-07-12 | 2018-12-07 | 广东工业大学 | 一种目标检测结果优化方法及装置 |
WO2020098506A1 (zh) * | 2018-11-13 | 2020-05-22 | 北京市商汤科技开发有限公司 | 路口状态检测方法、装置、电子设备及车辆 |
CN112101061A (zh) * | 2019-06-17 | 2020-12-18 | 富士通株式会社 | 目标检测方法、装置及图像处理设备 |
CN111783665A (zh) * | 2020-06-30 | 2020-10-16 | 创新奇智(西安)科技有限公司 | 一种动作识别方法、装置、存储介质和电子设备 |
CN111738263A (zh) * | 2020-08-24 | 2020-10-02 | 北京易真学思教育科技有限公司 | 目标检测方法、装置、电子设备及存储介质 |
KR20210133174A (ko) * | 2020-12-22 | 2021-11-05 | 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. | 목표 탐지 신뢰도를 결정하는 방법 및 장치, 전자 기기, 저장 매체, 노변 기기, 클라우드 제어 플랫폼, 컴퓨터 프로그램 제품 |
WO2022134624A1 (zh) * | 2020-12-22 | 2022-06-30 | 亿咖通(湖北)技术有限公司 | 一种行人目标的检测方法、电子设备及存储介质 |
CN115719469A (zh) * | 2021-08-23 | 2023-02-28 | 中移(成都)信息通信科技有限公司 | 目标识别方法及装置、设备、存储介质 |
CN113887372A (zh) * | 2021-09-27 | 2022-01-04 | 厦门汇利伟业科技有限公司 | 目标聚集检测方法及计算机可读存储介质 |
CN114708441A (zh) * | 2022-04-08 | 2022-07-05 | 上海商汤科技开发有限公司 | 目标检测及状态确定方法、装置、设备及存储介质 |
CN115409985A (zh) * | 2022-08-25 | 2022-11-29 | 北京京东乾石科技有限公司 | 目标对象检测方法、装置、电子设备及可读存储介质 |
CN115512258A (zh) * | 2022-09-06 | 2022-12-23 | 长沙智能驾驶研究院有限公司 | 一种视频图像的脱敏方法、装置、终端设备和存储介质 |
CN115797690A (zh) * | 2022-11-29 | 2023-03-14 | 重庆长安汽车股份有限公司 | 一种密集目标的检测识别方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
基于深度神经网络的遥感图像飞机目标检测;李文斌;何冉;;计算机工程;20200715(第07期);全文 * |
弱监督深层神经网络遥感图像目标检测模型;周明非;汪西莉;;中国科学:信息科学;20180820(第08期);全文 * |
深度学习目标检测方法综述;赵永强;饶元;董世鹏;张君毅;;中国图象图形学报;20200415(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116563521A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108268869B (zh) | 目标检测方法、装置及系统 | |
CN110555847B (zh) | 一种基于卷积神经网络的图像处理方法及装置 | |
CN108805889B (zh) | 边缘引导的精细化显著性物体分割方法与系统、设备 | |
CN107871319B (zh) | 限束器区域的检测方法、装置、x射线系统和存储介质 | |
CN111914665B (zh) | 一种人脸遮挡检测方法、装置、设备及存储介质 | |
US8965132B2 (en) | Edge tracing with hysteresis thresholding | |
KR20130072073A (ko) | 영상 윤곽선 추출 장치 및 방법 | |
JP3193240B2 (ja) | 画像処理装置 | |
WO2021056501A1 (zh) | 提取特征点的方法、可移动平台及存储介质 | |
WO2015031350A1 (en) | Systems and methods for memory utilization for object detection | |
CN116563521B (zh) | 目标检测的检测框处理方法及其装置、电子设备 | |
WO2019201029A1 (zh) | 备选框更新方法及装置 | |
CN111857703A (zh) | 一种界面中图层的匹配方法、装置及电子设备 | |
CN108470368B (zh) | 一种虚拟场景中渲染对象的确定方法、装置及电子设备 | |
CN111986289A (zh) | 封闭区域的搜索方法、装置及电子设备 | |
CN111353957A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN114897801A (zh) | Aoi缺陷检测方法、装置和设备及计算机介质 | |
CN115424181A (zh) | 目标对象的检测方法和装置 | |
EP2951781A1 (en) | Systems and methods for processing an image | |
CN111127478B (zh) | 一种视图块分割方法及装置 | |
CN114550062A (zh) | 图像中运动对象的确定方法、装置、电子设备和存储介质 | |
CN114913593A (zh) | 手势跟踪方法、装置、终端设备及计算机可读存储介质 | |
CN109034174B (zh) | 一种级联分类器训练方法及装置 | |
US20240020846A1 (en) | Corner point detection method and apparatus | |
KR101528604B1 (ko) | 이미지 처리 방법 및 장치 |
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 |