申请/专利权人：凌云光技术股份有限公司

申请日：2020-09-07

公开（公告）日：2024-04-26

公开（公告）号：CN111986262B

主分类号：G06T7/73

分类号：G06T7/73;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2020.12.15#著录事项变更;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本申请提供一种图像区域定位方法及装置，包括：获取训练图像、目标区域以及特征矩阵；根据所述训练图像和所述特征矩阵，计算出每一个像素点与所述目标区域的预测相似度；分别以所述训练图像中的每一个像素点为中心，获取一个与所述目标区域大小相同的矩形区域，并计算所述目标区域与所述矩形区域之间的模板匹配度；通过所述训练图像中每一个像素点的所述预测相似度与所述模板匹配度，构建训练模型；将图像输入到所述训练模型中，得出与所述目标区域预测相似度最高的矩形区域，完成区域特征筛选。本申请可以通过机器学习方法实现对图像中目标区域的粗定位,不容易受到图像和目标区域的复杂程度影响，并且不需要大量训练样本，更加简单。

主权项：1.一种图像区域定位方法，其特征在于，包括以下步骤：获取训练样本图像和所述训练样本图像中的目标区域以及与所述训练样本图像大小一致的特征矩阵；通过所述训练样本图像中的每一个像素点与所述特征矩阵的对应特征点相乘，得到所述训练样本图像中每一个像素点与所述目标区域的预测相似度；分别以所述训练样本图像中的每一个像素点为基础，获取一个与所述目标区域大小相同的矩形区域，并计算所述目标区域与所述矩形区域之间的模板匹配度；通过所述训练样本图像中的每一个像素点的所述预测相似度与所述模板匹配度，构建训练模型，所述训练模型的具体构建过程如下：遍历训练样本图像中的所有像素点，计算当前像素点的预测相似度及其与所述训练样本图像中目标区域的模板匹配度，并求取所述当前像素点的预测相似度与所述模板匹配度的差值；若所述差值的绝对值大于第一阈值，则对特征矩阵参数进行更新，更新公式如下：Wt＝Wt-α*loss，loss＝y-NCC，其中，α表示更新步长，且为常数，loss表示差值，y表示预测相似度，NCC表示模板匹配度，Wt表示特征矩阵参数；对所有定位到的重叠矩形区域进行非极大值抑制，更新抑制掉的特征点的特征矩阵参数；根据所有所述重叠矩形区域的边界像素点计算每两个所述矩形区域之间的交并比；当所述交并比大于第二阈值时，保留所述预测相似度高的矩形区域；将所述预测相似度低的矩形区域的模板匹配度调整为0，重新计算loss值，重复上述步骤，直到loss为0，得到最优训练模型；将需要定位的目标图像输入到所述训练模型中，得出与所述目标图像中的目标区域预测相似度最高的矩形区域。

全文数据：

权利要求：

百度查询： 凌云光技术股份有限公司 一种图像区域定位方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD