本发明专利技术提供一种基于目标检测的切图方法、切图装置和存储介质，所述方法包括：获取检测图像中目标框的位置信息和大小以判断目标框的分布规律；判断目标在检测图像中的分布情况；根据目标框的分布规律和目标在检测图像中的分布情况选择切图策略，并根据切图策略进行切图；将切图后的图片输入深度学习模型进行训练，以判断切图效果；根据切图效果挑选出包含较难负样本的Negative chips切图，对负样本进行区域提取，根据提取的区域进行切图。该方法通过对目标和位置、大小、分布情况，可以选择合适切图策略进行自动切图，同时结合后续的深度学习模型表现进一步评估切图效果，保证了切图效果，为后续实际操作打下基础。为后续实际操作打下基础。为后续实际操作打下基础。
【技术实现步骤摘要】
基于目标检测的切图方法、切图装置和存储介质
[0001]本专利技术涉及图像处理
，具体涉及一种基于目标检测的切图方法、一种基于目标检测的切图装置和一种非临时性计算机可读存储介质。
技术介绍
[0002]在基于目标检测进行深度算法的学习和检测中，一般需要对于图像数据进行切图处理，以适应各类算法需求或者机器内存需求，如yolo中的32倍数，比如切成512*512，256*256等图片大小。合理切割图片，保证所有目标的准确学习，并且不增加额外的偏移信息，使模型学习更加有效对于算法的表现有着重要的意义。
[0003]因此，如何有效切图，最大程度保留和增强有效信息，并且减少不必要冗余需要，成为本领域技术人员亟待解决的技术问题。
技术实现思路
[0004]本专利技术为解决上述技术问题，提出了一种基于目标检测的切图方法，该方法通过对目标和位置、大小、分布情况，可以选择合适切图策略进行自动切图，同时结合后续的深度学习模型表现进一步评估切图效果，保证了切图效果，为后续实际操作打下基础。
[0005]本专利技术还提出一种基于目标检测的切图装置。
[0006]本专利技术还提出一种非临时性计算机可读存储介质。
[0007]本专利技术采用的技术方案如下：
[0008]本专利技术第一方面实施例提出了一种基于目标检测的切图方法，包括以下步骤：获取检测图像中目标框的位置信息和大小，并根据所述目标框的位置信息和大小判断所述目标框的分布规律；统计所述检测图像中非黑非白区域和像素跳跃情况，并根据所述非黑非白区域和像素跳跃情况判断目标在所述检测图像中的分布情况；根据所述目标框的分布规律和目标在所述检测图像中的分布情况选择切图策略，并根据所述切图策略进行切图，其中，所述切图策略包括：滑窗法切图策略、特殊位置切图策略、聚类切图策略和基于边缘切图策略；将所述切图后的图片输入深度学习模型进行训练，以判断切图效果；根据所述切图效果挑选出包含较难负样本的Negative chips切图，对所述负样本进行区域提取，根据提取的区域进行切图。
[0009]根据本专利技术的一个实施例，还包括：获取所述切图后的图片的目标框的分布规律变化、所述目标框的大小变化；将所述切图后的图片输入单阶段目标检测模型或者双阶段目标检测模型中，以获取所述切图后的图片的算法表现，所述算法表现包括：目标的过杀率、目标的漏检率、目标的准确率、目标的混淆矩阵、类别AP(平均精度)值和整体mAP(mean Average Precision，平均精度均值)值；根据所述目标框的分布规律变化、所述目标框的大小变化和所述算法表现修正所述切图策略。
[0010]根据本专利技术的一个实施例，所述单阶段目标检测模型包括：YOLOv5模型、SSD(Single Shot MultiBox Detector，单镜头多盒检测器)模型，所述双阶段目标检测模型包
括：Faster R
‑
CNN(Region Convolutional Neural Networks，基于卷积神经网络)、Cascade R
‑
CNN、HTC(Hybrid Task Cascade，混合任务级联)。
[0011]根据本专利技术的一个实施例，根据所述切图效果，基于SNIPER算法挑选出包含较难负样本的Negative chips切图。
[0012]根据本专利技术的一个实施例，根据所述目标框的分布规律和目标在所述检测图像中的分布情况选择切图策略，包括：如果所述目标框分布均衡，且所述检测图像包含所述目标的全部信息，则采用窗法切图策略进行切图；如果所述目标框分布均衡，且所述检测图像包含所述目标的部分信息，则采用特殊位置切图策略；如果所述目标框分布不均衡，且所述检测图像包含所述目标的全部信息，则采用基于边缘切图策略；如果所述目标框分布不均衡，且所述检测图像包含所述目标的部分信息，则采用聚类切图策略。
[0013]本专利技术第二方面实施例提出了一种基于目标检测的切图装置，包括：获取模块，所述获取模块用于获取检测图像中目标框的位置信息和大小，并根据所述目标框的位置信息和大小判断所述目标框的分布规律；统计模块，所述统计模块用于统计所述检测图像中非黑非白区域和像素跳跃情况，并根据所述非黑非白区域和像素跳跃情况判断目标在所述检测图像中的分布情况；第一切图模块，所述第一切图模块用于根据所述目标框的分布规律和目标在所述检测图像中的分布情况选择切图策略，并根据所述切图策略进行切图，其中，所述切图策略包括：滑窗法切图策略、特殊位置切图策略、聚类切图策略和基于边缘切图策略；学习模块，所述学习模块用于将所述切图后的图片输入深度学习模型进行训练，以判断切图效果；第二切图模块，所述第二切图模块用于根据所述切图效果挑选出包含较难负样本的Negative chips切图，对所述负样本进行区域提取，根据提取的区域进行切图。
[0014]根据本专利技术的一个实施例，上述的切图装置，还包括修正模块，所述修正模块用于：获取所述切图后的图片的目标框的分布规律变化、所述目标框的大小变化；将所述切图后的图片输入单阶段目标检测模型或者双阶段目标检测模型中，以获取所述切图后的图片的算法表现，所述算法表现包括：目标的过杀率、目标的漏检率、目标的准确率、目标的混淆矩阵、类别AP值和整体mAP值；根据所述目标框的分布规律变化、所述目标框的大小变化和所述算法表现修正所述切图策略。
[0015]根据本专利技术的一个实施例，所述第二切图模块具体用于：根据所述切图效果，基于SNIPER算法挑选出包含较难负样本的Negative chips切图。
[0016]根据本专利技术的一个实施例，所述第一切图模块具体用于：如果所述目标框分布均衡，且所述检测图像包含所述目标的全部信息，则采用窗法切图策略进行切图；如果所述目标框分布均衡，且所述检测图像包含所述目标的部分信息，则采用特殊位置切图策略；如果所述目标框分布不均衡，且所述检测图像包含所述目标的全部信息，则采用基于边缘切图策略；如果所述目标框分布不均衡，且所述检测图像包含所述目标的部分信息，则采用聚类切图策略。
[0017]本专利技术第三方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术第一方面实施例所述的基于目标检测的切图方法。
[0018]本专利技术的有益效果：
[0019]本专利技术通过对目标和位置、大小、分布情况，可以选择合适切图策略进行自动切
图，同时结合后续的深度学习模型表现进一步评估切图效果，保证了切图效果，为后续实际操作打下基础。
附图说明
[0020]图1是根据本专利技术一个实施例的基于目标检测的切图方法的流程图；
[0021]图2是根据本专利技术另一个实施例的基于目标检测的切图方法的流程图；
[0022]图3是根据本专利技术一个实施例的基于目标检测的切图装置的方框示意图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于目标检测的切图方法，其特征在于，包括以下步骤：获取检测图像中目标框的位置信息和大小，并根据所述目标框的位置信息和大小判断所述目标框的分布规律；统计所述检测图像中非黑非白区域和像素跳跃情况，并根据所述非黑非白区域和像素跳跃情况判断目标在所述检测图像中的分布情况；根据所述目标框的分布规律和目标在所述检测图像中的分布情况选择切图策略，并根据所述切图策略进行切图，其中，所述切图策略包括：滑窗法切图策略、特殊位置切图策略、聚类切图策略和基于边缘切图策略；将所述切图后的图片输入深度学习模型进行训练，以判断切图效果；根据所述切图效果挑选出包含较难负样本的Negative chips切图，对所述负样本进行区域提取，根据提取的区域进行切图。2.根据权利要求1所述的基于目标检测的切图方法，其特征在于，还包括：获取所述切图后的图片的目标框的分布规律变化、所述目标框的大小变化；将所述切图后的图片输入单阶段目标检测模型或者双阶段目标检测模型中，以获取所述切图后的图片的算法表现，所述算法表现包括：目标的过杀率、目标的漏检率、目标的准确率、目标的混淆矩阵、类别AP值和整体mAP值；根据所述目标框的分布规律变化、所述目标框的大小变化和所述算法表现修正所述切图策略。3.根据权利要求2所述的基于目标检测的切图方法，其特征在于，所述单阶段目标检测模型包括：YOLOv5模型、SSD模型，所述双阶段目标检测模型包括：Faster R
‑
CNN、Cascade R
‑
CNN、HTC。4.根据权利要求1所述的基于目标检测的切图方法，其特征在于，根据所述切图效果，基于SNIPER算法挑选出包含较难负样本的Negative chips切图。5.根据权利要求1所述的基于目标检测的切图方法，其特征在于，根据所述目标框的分布规律和目标在所述检测图像中的分布情况选择切图策略，包括：如果所述目标框分布均衡，且所述检测图像包含所述目标的全部信息，则采用窗法切图策略进行切图；如果所述目标框分布均衡，且所述检测图像包含所述目标的部分信息，则采用特殊位置切图策略；如果所述目标框分布不均衡，且所述检测图像包含所述目标的全部信息，则采用基于边缘切图策略；如果所述目标框分布不均衡，且所述检测图像包含所述目标的部分信息，则采用聚类切图策略。6.一种基于目标检测的切图装置，其特征在于...
【专利技术属性】
技术研发人员：宋怡然，项强德，马元巍，潘正颐，侯大为，
申请(专利权)人：常州微亿智造科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。