[发明专利]图像中目标物的消融方法、装置、计算机设备及介质

说明书

本发明实施例公开了一种图像中目标物的消融方法、装置、计算机设备及介质。该方法包括：获取多个训练样本图像，并根据各训练样本图像中预先标注的标识框的长宽值和DIou损失函数的损失值，计算得到至少一个锚点框的长宽值；根据各锚点框的长宽值，对YoLoV5改进模型进行参数设置，并使用各训练样本图像对参数设置后的模型进行训练，得到目标检测模型；将待处理的目标图像输入至目标检测模型中，获取针对目标图像输出的至少一个目标物标识框；根据目标物标识框所限定的图像区域进行消融处理，得到目标消融图像。通过本发明实施例的技术方案，能够实现快速准确地对图像中的特定内容进行定位消融，提高了方法的运行效率，节约了硬件成本。

技术领域

本发明实施例涉及图像处理技术领域，主要涉及图像处理基础、模式识别、机器学习和深度学习技术，尤其涉及一种图像中目标物的消融方法、装置、计算机设备及介质。

背景技术

在日常生活或者工作中，人们经常会有将一批图像中的特定目标进行去除的想法，尤其是在工业制作或者大批量图像使用的情况下，针对某些不宜被公开或者不需要的信息进行消除是十分必要的。

现有技术中，大多数情况下，人们都是通过手动使用一些图像处理软件(Photoshop，PS)进行人工操作来实现的。

然而，现有技术存在着耗时耗力，并且耗费硬件成本的问题。

发明内容

本发明实施例提供一种图像中目标物的消融方法、装置、计算机设备及介质，以实现快速、准确地对图像中的特定内容进行定位消融。

第一方面，本发明实施例提供了一种图像中目标物的消融方法，包括：

获取多个训练样本图像，并根据各训练样本图像中预先标注的标识框的长宽值和距离重叠度(Distance Intersection over Union,DIou)损失函数的损失值，计算得到至少一个锚点框的长宽值；

根据各锚点框的长宽值，对YoLoV5改进模型进行参数设置，并使用各训练样本图像对参数设置后的YoLoV5改进模型进行训练，得到目标检测模型；

将待处理的目标图像输入至目标检测模型中，获取目标检测模型针对目标图像输出的至少一个目标物标识框；

根据目标物标识框所限定的图像区域进行消融处理，得到目标消融图像。

第二方面，本发明实施例还提供了一种图像中目标物的消融装置，该装置包括：

锚点框长宽计算模块，用于获取多个训练样本图像，并根据各训练样本图像中预先标注的标识框的长宽值和DIou损失函数的损失值，计算得到至少一个锚点框的长宽值；

目标检测模型获取模块，用于根据各锚点框的长宽值，对YoLoV5改进模型进行参数设置，并使用各训练样本图像对参数设置后的YoLoV5改进模型进行训练，得到目标检测模型；

标识框获取模块，用于将待处理的目标图像输入至目标检测模型中，获取目标检测模型针对目标图像输出的至少一个目标物标识框；

目标消融图像获取模块，用于根据目标物标识框所限定的图像区域进行消融处理，得到目标消融图像。

第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的图像中目标物的消融方法。

第四方面，本发明实施例还提供了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，该程序被处理器执行时实现如本发明任一实施例所述的图像中目标物的消融方法。