【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种用于检测切片的去除重复框方法、存储介质和电子设备。
技术介绍
1、无人机巡检具备快速、安全等特点，当前无人机巡检已经应用在多种实际场景中，比如电力行业的配电线路检测、输电线路检测。
2、无人机所拍摄图像分辨率通常较大，为了保证图像中小目标的检出，在推理时需要对原图进行切片处理，得到原图的多个子图像，并在子图像中检测目标。在此情况下，对于同一目标，如果在切片处理的过程中被分割在两个以上的子图像中，会造成后续检测目标时，在不同的子图像中检测出一个目标的多个目标框，影响到了目标检测的准确性。
3、因此，需要一种技术方案去除重复的目标框。
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种用于检测切片的去除重复框方法、存储介质和电子设备，以实现去除重复的目标框。
2、根据本专利技术实施例的第一方面，提供了一种用于检测切片的去除重复框方法，所述方法包括：
3、获取目标图像，并对目标图像进行切片处理，得到目标图像的多个子图像；
4、对各子图像进行目标检测，得到各子图像的子图检测结果及各子图像的第一特征图；
5、对所述目标图像进行目标检测，得到所述目标图像的全图检测结果及所述目标图像的第二特征图；
6、从各子图检测结果和所述全图检测结果中获取边长大于预设边长阈值的目标框，并从所获取的目标框中确定第二目标框；>
7、将各子图像的第一集合和所述目标图像的第二集合输入预先训练的去重模型，得到所述去重模型输出的第三目标框；
8、其中，对于每一子图像，该子图像的第一集合为：该子图像的第一目标框与该子图像的第一特征图形成的集合，所述第一目标框为：该子图像的子图检测结果中不属于所述第二目标框的目标框、以及所述全图检测结果中不属于所述第二目标框且位于该子图像中的目标框；所述第二集合为所述第二目标框与所述第二特征图形成的集合；所述去重模型为：采用具有标注框的样本图像的样本特征图和样本目标框训练的神经网络模型，所述神经网络模型用于输出去重后的目标框。
9、根据本专利技术实施例的第二方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述用于检测切片的去除重复框方法。
10、根据本专利技术实施例的第三方面，提供了一种电子设备包括：存储器、处理器；所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述用于检测切片的去除重复框方法。
11、本专利技术实施例提供的方案中，得到第一目标框的第一集合，和第二目标框的第二集合，通过边长阈值区分小目标对应的第一目标框和大目标对应的第二目标框，分别在子图像和目标图像全图上进行检测，从而能够检测目标图像中各个范围下的目标。并且，在训练去重模型时，以标注框为监督信息，训练模型根据样本特征图从输入的样本目标框中选择并接近标注框、也就是最能表示真实的目标位置的目标框作为输出，从而排除其它位置表述不准确的输入框，从而训练了模型对样本目标框进行去重，相应的，训练后的去重模型也能够实现根据子图像的第一特征图对第一目标框进行去重、根据全图特征的第二特征图对第二目标框进行去重。
12、在去重过程中，通过对目标图像和切片后得到的子图像进行目标检测，既参考了全图信息又参考了子图像的局部信息，这样得到的特征图以及目标框的位置信息更为全面，能够提高根据特征图和目标框检测目标的准确度。
13、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种用于检测切片的去除重复框方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从各子图检测结果和所述全图检测结果中获取边长大于预设边长阈值的目标框，并从所获取的目标框中确定第二目标框，包括：
3.根据权利要求1所述的方法，其特征在于，所述去重模型按照以下方式进行训练：
4.根据权利要求3所述的方法，其特征在于，所述神经网络模型为具有DETR类模型的解码器的神经网络模型，所述目标检测模型为YOLOv8模型。
5.根据权利要求3所述的方法，其特征在于，所述对各子图像进行目标检测，得到各子图像的子图检测结果及各子图像的第一特征图，包括：
6.根据权利要求3所述的方法，其特征在于，所述去重模型包括多个依次连接的解码层；每一解码层接收输入后输出对应的目标框和特征图。
7.根据权利要求3所述的方法，其特征在于，所述将具有标注框的样本图像输入已训练好的目标检测模型之前，所述方法还包括：
8.根据权利要求3所述的方法，其特征在于，所述基于所述第四目标框与所述标注框计算目标损失，包
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8中任一项所述的用于检测切片的去除重复框方法。
10.一种电子设备，其特征在于，包括：存储器、处理器；所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-8中任一项所述的用于检测切片的去除重复框方法。
...【技术特征摘要】
1.一种用于检测切片的去除重复框方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从各子图检测结果和所述全图检测结果中获取边长大于预设边长阈值的目标框，并从所获取的目标框中确定第二目标框，包括：
3.根据权利要求1所述的方法，其特征在于，所述去重模型按照以下方式进行训练：
4.根据权利要求3所述的方法，其特征在于，所述神经网络模型为具有detr类模型的解码器的神经网络模型，所述目标检测模型为yolov8模型。
5.根据权利要求3所述的方法，其特征在于，所述对各子图像进行目标检测，得到各子图像的子图检测结果及各子图像的第一特征图，包括：
6.根据权利要求3所述的方法，其特征在于，所述去重...
【专利技术属性】
技术研发人员：刘海峰，李厚强，孙俊，艾坤，贾伟，丁海松，常峰，
申请(专利权)人：合肥中科类脑智能技术有限公司，
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。