[发明专利]图像元素的检测方法及装置

说明书

本发明公开了一种图像元素的检测方法及装置。其中，该方法包括：获取待检测图像的特征数据；对特征数据进行数据增强处理，得到处理后的特征数据；将处理后的特征数据输入检测模型，由检测模型输出待检测图像的检测结果，检测结果包括待检测图像的元素的类别和元素在待检测图像中的位置信息；其中，检测模型包括叠加层网络、回归器以及按照多个尺寸类型的图像逐类训练的分类器；通过损失函数对检测模型输出的检测结果进行修正。本发明解决了相关技术中的图像元素检测方法，准确率低的技术问题。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种图像元素的检测方法及装置。

背景技术

海报是目前非常流行且有效的宣传方式，是视觉传达的表现形式之一。正规的海报利用图片、文字、色彩、空间等要素进行结合，以恰当的形式向人们展示出宣传信息，并在第一时间将人们的目光吸引，获得瞬间的刺激。海报具有针对性强的特点。商业中的海报以艺术的形式，如摄影、绘画、平面设计等方式，给消费者和潜在消费者留下深刻印象。海报图文并茂。海报画面生动直观，能准确地传达广告信息。

由此可见，海报作为宣传方式之一，有举重轻重的影响。海报元素、信息的缺失，不仅影响海报给消费者带来负面的用户视觉体验，而且带来海报内容表达不准确的副作用，反而会造成适得其反的结果。相关技术中，通过常用的图像检测，识别海报存在准确率较低的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像元素的检测方法及装置，以至少解决相关技术中的图像元素检测方法，准确率低的技术问题。

根据本发明实施例的一个方面，提供了一种图像元素的检测方法，包括：获取待检测图像的特征数据；对所述特征数据进行数据增强处理，得到处理后的特征数据；将所述处理后的特征数据输入检测模型，由所述检测模型输出所述待检测图像的检测结果，所述检测结果包括所述待检测图像的元素的类别和所述元素在所述待检测图像中的位置信息；其中，所述检测模型包括叠加层网络、回归器以及按照多个尺寸类型的图像逐类训练的分类器；通过损失函数对所述检测模型输出的检测结果进行修正。

可选的，对所述特征数据进行数据增强处理包括：通过数据增强方法扩增图像，所述数据增强方法包括下列至少之一：采用所述特征数据的最近邻插值和双线性插值；对所述特征数据进行高斯扰动、最近邻取均值扰动、最近邻中位数扰动；改变所述图像的对比度；将所述图像变为灰度图；对所述图像进行评议、旋转、错切、缩放操作。

可选的，对所述特征数据进行数据增强处理之后还包括：通过图像的缩放参数结合混合算法对所述数据增强处理后的特征数据进行处理，以建立不同的所述待检测图像之间的线性关系。

可选的，通过图像的缩放参数结合混合算法对所述数据增强处理后的特征数据进行处理包括：通过以下公式对所述数据增强处理后的特征数据进行处理：Input＝λIm+(1-λ)In；Output＝λOm+(1-λ)In，λ为所述缩放参数，Input为所述混合算法的输入，Output为所述混合算法的输出，I为输入的图像像素值，m、n为图像编号，O为输出的图像像素值。

可选的，将所述处理后的特征数据输入检测模型，由所述检测模型输出所述待检测图像的检测结果，所述检测结果包括所述待检测图像的元素的类别和所述元素在所述待检测图像中的位置信息；其中，所述检测模型包括叠加层网络、回归器以及按照多个尺寸类型的图像逐类训练的分类器，包括：建立分类器和回归器；对所述分类器按照多个尺寸类型的图像逐类进行训练；通过所述分类器和所述回归器确定所述检测结果。

可选的，对所述分类器按照多个尺寸类型的图像逐类进行训练包括：获取多个尺寸类型的图像，其中，不同的尺寸类型对应不同的尺寸范围；按照尺寸类型的图像尺寸，从小到大逐类对所述分类器进行训练。