目标区域检测方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113947613A(43)申请公布日2022.01.18(21)申请号202111573140.4G06V10/74(2022.01)(22)申请日2021.12.21G06V10/774(2022.01)G06V10/764(2022.01)(71)申请人腾讯科技（深圳）有限公司地址518064广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人郭双双龚星侯嘉悦(74)专利代理机构深圳市智圈知识产权代理事务所(普通合伙)44351代理人韩绍君(51)Int.Cl.G06T7/187(2017.01)G06T7/11(2017.01)G06T7/30(2017.01)G06K9/62(2022.01)G06V10/26(2022.01)权利要求书2页说明书21页附图16页(54)发明名称目标区域检测方法、装置、设备及存储介质(57)摘要本申请公开了一种目标区域检测方法、装置、电子设备及存储介质，方法包括：对待检测图像进行特征提取，得到目标特征，对目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；根据待检测图像中各像素点为目标区域的概率，确定待检测图像中的候选区域；对候选区域进行连通域分析处理，得到待检测图像的目标区域。通过采用本申请的上述检测方法，可以自动且快速检测出待检测图像中的目标区域。CN113947613ACN113947613A权利要求书1/2页1.一种目标区域检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行特征提取，得到目标特征，对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；根据所述待检测图像中各像素点为区域的概率，确定待检测图像中的候选区域；对所述候选区域进行连通域分析处理，得到所述待检测图像的目标区域。2.根据权利要求1所述的方法，其特征在于，对所述待检测图像进行特征提取，得到目标特征，包括：对所述待检测图像进行图像分割，以得到空间上连续的N×M个窗格图像，其中，N和M分别为大于或等于1的整数；对所述N×M个窗格图像进行线性变化处理，得到包括各窗格图像的特征的第一特征矩阵；对所述第一特征矩阵中的每个窗格图像的特征分别再次进行特征提取得到第二特征矩阵；将所述第二特征矩阵中各窗格图像再次提取的特征进行融合处理，得到目标特征。3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征矩阵中的每个窗格图像的特征分别再次进行特征提取得到第二特征矩阵，包括：计算所述第一特征矩阵中每个窗格图像的特征和该窗格图像空间上连续且相邻的相邻窗格图像的特征之间的特征相似度；根据各窗格图像对应的特征相似度调整该窗格图像提取到的特征，得到各窗格图像再次提取的特征；根据各窗格图像再次提取的特征得到第二特征矩阵。4.根据权利要求1所述的方法，其特征在于，所述对所述目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率，包括：对所述目标特征进行卷积处理，得到三维特征图；利用分类函数对所述三维特征图中各像素点的通道数进行分类计算，得到所述待检测图像中各像素点为目标区域的概率。5.根据权利要求1所述的方法，其特征在于，利用目标自回归模型对所述待检测图像进行特征提取，所述目标自回归模型通过以下方式训练得到：获取样本图像集合，所述样本图像集合中包括样本图像，每张样本图像分别标注有目标区域的样本标签；将所述样本图像集合中的各样本图像输入至初始自回归模型中，基于各样本图像对初始自回归模型进行训练，得到目标自回归模型。6.根据权利要求5所述的方法，其特征在于，所述将所述样本图像集合中的各样本图像输入至初始自回归模型中，基于各样本图像对初始自回归模型进行训练，得到目标自回归模型，包括：将所述样本图像集合中的多个样本图像输入至初始自回归模型中，进行前向计算，得2CN113947613A权利要求书2/2页到各所述样本图像的目标区域预测结果；将各样本图像的目标区域预测结果与对应的样本图像的目标区域的样本标签进行损失计算，得到各样本图像的损失值；根据各所述样本图像的损失值选取目标样本图像；根据各所述目标样本图像对应的损失值反向训练所述初始自回归模型；若达到训练结束条件，将训练后的初始自回归模型作为目标自回归模型。7.根据权利要求6所述的方法，其特征在于，所述根据各所述样本图像的损失值选取目标样本图像，包括：从各所述样本图像中选取损失值在预设损失阈值范围内的目标样本图像。8.根据权利要求1‑7中任意一项所述的方法，其特征在于，对所述候选区域进行连通域分析处理，得到所述待检测图像的目标区域，包括：