[发明专利]图像处理方法和装置以及目标检测模型的训练方法和系统

说明书

本发明提供了一种图像处理方法和装置以及目标检测模型的训练方法和系统，其中，图像处理方法包括：统计第一原始图像中显示的各类别目标对象的数量，并根据各类别目标对象的数量计算其对应的重采样次数；获取第一预设缩放比例，并将第一原始图像按第一预设缩放比例缩放后获取第一待裁图像，对各类别目标对象中的每个目标对象，在第一待裁图像上裁取出完全包含其的正样本图像块；汇集裁取出的所有正样本图像块进入样本图像池，作为第一类的待训练样本图像。本发明解决了现有技术中对像素尺寸较大的原图像的处理方法不合理而最终导致模型训练的精度过低或者难度过大的问题。

技术领域

本发明涉及图像处理以及模型训练技术领域，具体而言，涉及一种图像处理方法和装置以及目标检测模型的训练方法和系统。

背景技术

随着影像学技术的不断发展，取像设备所拍摄的视频或图像的清晰度逐步提升，但随之而来的问题，是视频或图像的像素尺寸越来越大，从而对处理其的GPU内存的要求越来越高。

在对深度学习模型进行训练时，综合考量模型训练效率以及经济性的成本控制，通常需要先行对像素尺寸较大的图像进行处理，之后再将处理后的图像作为样本图像输入深度学习模型进行训练。

相关技术中，对像素尺寸较大的原图像处理方法：

一种是直接将原图像进行放缩到预设尺寸，原图像的直接缩小可能会导致其中的目标对象变化过小而因像素缺失无法被精准识别，进而造成后期模型训练的精度过低；而原图像的直接放大可能会增加后续对目标对象的检测负担，提高模型训练的难度；

另一种方法是直接在原图像上随机裁取数个图像块作为深度学习模型的输入样本进行训练，该种方法的弊端是由于在原图像上裁取图像块后的剩余部分不会作为模型的输入样本，从而存在深度学习模型的输入样本不能包含原图像的全部原始数据信息的问题，进而影响了模型训练的精度。

发明内容

本发明的主要目的在于提供一种图像处理方法和装置以及目标检测模型的训练方法和系统，以解决现有技术中对像素尺寸较大的原图像的处理方法不合理而最终导致模型训练的精度过低或者难度过大的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种图像处理方法，包括：步骤S1，统计第一原始图像中显示的各类别目标对象的数量，并根据各类别目标对象的数量计算其对应的重采样次数k；步骤S2，获取第一预设缩放比例r，并将第一原始图像按第一预设缩放比例r缩放后获取第一待裁图像，对各类别目标对象中的每个目标对象，在第一待裁图像上裁取出完全包含其的正样本图像块，其中，裁取每个目标对象的次数为其所属类别对应的重采样次数k；步骤S3，汇集裁取出的所有正样本图像块进入样本图像池，作为第一类的待训练样本图像。

进一步地，步骤S1包括：步骤S11，在各类别目标对象中选取数量最多者作为基础对象，设置其对应的重采样次数k的数值为1；步骤S12，其余类别的目标对象的重采样次数k按照公式(1)计算获得，公式(1)为：k＝Y/X，其中，Y为作为基础对象的目标对象的数量，X为其余类别的目标对象的数量；当其余类别的目标对象的重采样次数k为小数时，对其进行上取整数或下取整数或按预设条件取整数。

进一步地，按预设条件取整数包括：步骤S121，在0至1之间选取任意一个纯小数作为比较值；步骤S122，判断比较值与其余类别的目标对象的重采样次数k的小数部分之间的大小关系，当比较值小于小数部分时，对重采样次数k进行上取整数，当比较值大于小数部分时，对重采样次数k进行下取整数。

进一步地，对于其余类别的目标对象中的每一类目标对象进行重采样次数k的计算时，均执行一次步骤S121，选取数值不同的纯小数作为比较值。