[发明专利]一种基于分块并行的目标检测方法

说明书

本发明提供一种基于分块并行的目标检测方法，包括：基于图像分析模型，将输入图像分块为多个子块后划分为批次后获取批次数据，并通过目标检测模型进行计算得到检测结果，基于全局坐标映射对检测结果进行计算得到检测结果的目标全局位置信息，并根据子块相对于目标检测模型的标准输入尺度的比例，得出目标全局高度和目标全局宽度，最后，基于软化的非最大化抑制，去除检测结果中的冗余项后将处理后输入图像的检测结果输出。本发明基于图像分析模型可将尺度较大或比例较极端的图像进行分块为多个子块进行检测，不需要进行缩放操作，即可防止缩放操作影响检测结果，实现了可对尺度较大或比例较极端的图像进行有效目标检测的目的。

技术领域

本发明属于计算机多媒体领域，具体涉及一种基于分块并行的目标检测方法。

背景技术

现有的目标检测模型通常会将输入图片等比例缩放到固定尺寸作为网络模型的输入，如果原输入图像的尺度较大，许多图像中的目标在缩放之后可能变得极其狭小，从而导致目标检测模型的失效，当前目标检测模型对于非常规尺度输入图片的操作方案对于目标检测效果有一定的损伤，往往造成尺度较大或比例较极端的输入图像中无法正确检测出相关目标，目前普通的目标检测方法无法直接适应这种输入图片，绝大多数检测模型会设置一个固定的长边尺寸，并按照这个长边尺寸对原输入图片进行等比例的缩放操作，这种操作在输入图片比例较为极端的情况下，可能造成最终的缩放结果不适于检测，普通的目标检测模型通常是无法有效检测出尺度较大或比例较极端的图像中的目标。

因此，需要提供一种针对上述现有技术不足的改进技术方案。

发明内容

本发明的目的在于提供一种基于分块并行的目标检测方法，以至少解决上述背景技术中所提出的问题。

为了实现上述目的，本发明提供一种基于分块并行的目标检测方法：包括：步骤S101、基于预设的图像分析模型，对所述输入图像的尺度进行评估，以确定所述输入图像的尺度是否超出目标检测模型的标准输入尺度；响应于所述输入图像的尺度超出所述目标检测模型的标准输入尺度，基于所述图像分析模型得出图像分块策略，对所述输入图像进行分块，得到多个子块，并将多个所述子块划分于至少一个批次中，以获取批次数据；步骤S102、将所述批次数据中的每个所述子块通过所述目标检测模型进行并行检测，得到每个所述子块中所述目标的检测结果，基于全局坐标映射对所述检测结果中的目标位置信息进行计算，得到所述检测结果的目标全局位置信息，并根据所述子块相对于所述目标检测模型的标准输入尺度的比例，对所述检测结果中的目标高度和目标宽度进行计算，得出所述检测结果的目标全局高度和目标全局宽度，基于所述目标全局位置信息、所述目标全局高度和所述目标全局宽度，以确定检测框的位置、大小；步骤S103、基于软化的非最大化抑制，并根据所述检测框去除所述检测结果的冗余项，输出所述输入图像的检测结果。

优选的，在步骤S101中：

所述图像分析模型包括：第一分析模型、第二分析模型；

基于所述第一分析模型，获取所述输入图像的宽度相对于所述目标检测模型的标准输入尺度的宽度的缩放因子δ₁；

基于所述第二分析模型，获取所述输入图像的宽度相对于所述输入图像的高度的比例切分因子δ₂；

通过所述缩放因子δ₁与所述比例切分因子δ₂的乘积来评估所述输入图像的尺度是否超出所述目标检测模型的标准输入尺度；其中，所述缩放因子δ₁与所述比例切分因子δ₂的乘积大于1时，评估为所述输入图像的尺度超出所述目标检测模型的标准输入尺度。

优选的，所述第一分析模型表示为：

其中，width_i为所述输入图像的宽度；width_std为所述目标检测模型的标准输入尺度的宽度。