TWI816150B - 目標對象檢測方法、電子設備及儲存介質 - Google Patents
目標對象檢測方法、電子設備及儲存介質 Download PDFInfo
- Publication number
- TWI816150B TWI816150B TW110124302A TW110124302A TWI816150B TW I816150 B TWI816150 B TW I816150B TW 110124302 A TW110124302 A TW 110124302A TW 110124302 A TW110124302 A TW 110124302A TW I816150 B TWI816150 B TW I816150B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- target object
- similarity
- area
- candidate
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申請提供一種目標對象檢測方法、電子設備及儲存介質,所述方法包括:獲取包括目標對象的待測圖像;生成範本圖像;比對所述待測圖像與所述範本圖像,得到比對結果;根據所述比對結果確定所述待測圖像中所述目標對象的候選區域;對所述候選區域進行篩選,得到所述目標對象的目標區域。透過本申請可以提高目標對象的檢測效率。
Description
本申請涉及圖像檢測領域,尤其涉及一種目標對象檢測方法、電子設備及儲存介質。
目前目標對象的檢測方法主要是利用目標檢測模型檢測出目標對象,這種檢測方式需要大量的訓練資料集來訓練所述目標檢測模型,才能達到準確檢測的效果。另外,如果出現新的目標對象,需要重新獲取訓練資料集來訓練所述目標檢測模型,這種方式需要佔用大量的CPU記憶體,耗費大量的時間,目標對象檢測效率低。
鑒於以上內容,有必要提供一種目標對象檢測方法、電子設備及儲存介質,能提高目標對象的檢測效率。
本申請提供一種目標對象檢測方法,所述方法包括:獲取包括目標對象的待測圖像;基於所述目標對象生成範本圖像;比對所述待測圖像與所述範本圖像,得到比對結果;根據所述比對結果確定所述待測圖像中所述目標對象的候選區域;對所述候選區域進行篩選,得到所述目標對象的目標區域。
在一種可能的實現方式中,所述比對所述待測圖像與所述範本圖像,得到比對結果包括:對所述待測圖像進行二值化處理,得到二值化圖像;在所述二值化圖像上按照預設順序滑動所述範本圖像,直至所述範本圖像的邊緣與
所述二值化圖像的邊緣對齊,得到所述二值化圖像中的多個滑動區域;比對每個所述滑動區域與所述範本圖像,得到多個比對結果。
在一種可能的實現方式中,所述對所述待測圖像進行二值化處理,得到二值化圖像包括:設置第一閾值;獲取所述待測圖像中每一個圖元點對應的灰度值;根據所述第一閾值調整所述灰度值,得到所述二值化圖像。
在一種可能的實現方式中,所述根據所述第一閾值調整所述灰度值包括:判斷所述灰度值是否小於所述第一閾值;當所述灰度值小於所述第一閾值時,將所述灰度值調整為第一值;當所述灰度值大於或者等於所述第一閾值時,將所述灰度值調整為第二值。
在一種可能的實現方式中,所述比對每個所述滑動區域與所述範本圖像,得到多個比對結果包括:計算每個所述滑動區域與所述範本圖像的相似度,得到多個相似度結果。
在一種可能的實現方式中,所述根據所述比對結果確定所述待測圖像中所述目標對象的候選區域包括:判斷所述相似度是否大於預設第二閾值;當所述相似度大於所述第二閾值時,將所述相似度對應的滑動區域作為所述目標對象的候選區域。
在一種可能的實現方式中,所述對所述候選區域進行篩選,得到所述目標對象的目標區域包括:對所述候選區域進行非極大值抑制計算,得到所述目標對象的目標區域。
在一種可能的實現方式中,所述對所述候選區域進行非極大值抑制計算,得到所述目標對象的目標區域包括:根據所述相似度從大至小的順序,對所述候選區域進行排序;獲取第一相似度對應的第一候選區域與第二相似度對應的第二候選區域的交疊率;判斷所述交疊率是否大於預設第三閾值;當所
述交疊率大於等於所述預設第三閾值時,將所述第二候選區域從所述待測圖像中刪除,或者,當所述交疊率小於所述預設第三閾值時,將所述第二候選區域保留;獲取所述第一候選區域與第三相似度對應的第三候選區域的交疊率,並重複上述過程,直至最小的相似度對應的候選區域,得到所述目標對象的目標區域。
本申請還提供一種電子設備,所述電子設備包括處理器和記憶體,所述處理器用於執行所述記憶體中儲存的電腦程式時實現所述的目標對象檢測方法。
本申請還提供一種電腦可讀儲存介質,所述電腦可讀儲存介質上儲存有電腦程式,所述電腦程式被處理器執行時實現所述的目標對象檢測方法。
本申請公開的目標對象檢測方法及相關設備,透過獲取包括目標對象的待測圖像,並基於所述目標對象生成範本圖像,進一步比對所述待測圖像與所述範本圖像,得到比對結果,根據所述比對結果確定所述待測圖像中所述目標對象的候選區域,對所述候選區域進行篩選,得到所述目標對象的目標區域。透過生成範本圖像,並利用所述範本圖像篩選出目標對象區域,可以提高目標對象的檢測效率。
S11~S15:步驟
1:電子設備
11:記憶體
12:處理器
13:通訊匯流排
圖1是本申請實現一種目標對象檢測方法的較佳實施例的電子設備的結構示意圖。
圖2是本申請公開的一種目標對象檢測方法的較佳實施例的流程圖。
圖3是本申請公開的一種示例性待測圖像。
圖4是本申請公開的一種示例性二值化圖像
圖5是本申請公開的一種示例性候選區域圖。
為了使本申請的目的、技術方案和優點更加清楚,下面結合附圖和具體實施例對本申請進行詳細描述。
請參閱圖1,圖1為本申請一實施例的電子設備的示意圖。參閱圖1所示,所述電子設備1包括,但不僅限於,記憶體11和至少一個處理器12上述元件之間可以透過通訊匯流排13連接,也可以直接連接。
所述電子設備1可以是電腦、手機、平板電腦、個人數位助理(Personal Digital Assistant,PDA)等安裝有應用程式的設備。本領域技術人員可以理解,所述示意圖1僅僅是電子設備1的示例,並不構成對電子設備1的限定,可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件,例如所述電子設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。
如圖2所示,是本申請目標對象檢測方法的較佳實施例的流程圖。所述目標對象檢測方法應用在所述電子設備1中。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。在本實施方式中,所述目標對象檢測方法包括:
S11、獲取包括目標對象的待測圖像。
在本實施方式中,所述目標對象可以根據使用者的實際需求進行設定,所述待測圖像為包括所述目標對象的圖像,例如,圖3所示的所述IC承載盤圖像,其中所述目標對象為晶片(Integrated Circuit Chip,IC),所述待測圖像為所述IC承載盤圖像。
S12、基於所述目標對象生成範本圖像。
在本實施方式中,所述範本圖像為白色的空白圖像,並且所述範本
圖像的大小與所述目標對象對應的輪廓大小相同。
具體實施時,在所述待測圖像中提取所述目標對象的矩形輪廓,並獲取所述矩形輪廓的四個頂點座標。根據所述頂點座標計算得到所述矩形輪廓的長和寬。根據所述長和所述寬生成白色範本圖像。
透過生成大小與所述目標對象對應的輪廓相同的白色範本圖像,便於提取出所述待測圖像中的目標圖像。
S13、比對所述待測圖像與所述範本圖像,得到比對結果。
在本實施方式中,所述比對所述待測圖像與所述範本圖像,得到比對結果包括:
(1)對所述待測圖像進行二值化處理,得到二值化圖像。具體實施時,設置一個第一閾值,所述第一閾值位於0至255之間。獲取所述待測圖像中每一個圖元點對應的灰度值,判斷所述灰度值是否小於所述第一閾值,當所述灰度值小於所述第一閾值時,將所述灰度值調整為第一值,所述第一值為0。當所述灰度值大於或者等於所述第一閾值時,將所述灰度值調整為第二值,所述第二值為255。需要說明的是,圖像二值化將所述待測圖像轉化為黑白分明的二值化圖像,其中所述待測圖像中的目標對象轉化為了白色區域,背景區域轉化為黑色區域。
(2)在所述二值化圖像上按照預設順序滑動所述範本圖像,直至所述範本圖像的邊緣與所述二值化圖像的邊緣對齊,得到所述二值化圖像中的多個滑動區域。具體實施時,設定所述範本圖像的滑動步長,所述滑動步長可以根據所述目標對象對應的輪廓的寬進行設定。確定所述範本圖像是否超出所述二值化圖像的邊緣,若所述範本圖像超出所述二值化圖像的邊緣,反方向滑動所述範本圖像,直至所述範本圖像的邊緣與所述二值化圖像的邊緣對齊。滑動
結束後,得到得到所述二值化圖像中的多個滑動區域。
(3)比對每個所述滑動區域與所述範本圖像,得到多個比對結果。具體實施時,透過計算每個所述滑動區域與所述範本圖像的相似度,得到多個相似度結果。獲取所述範本圖像中的每一個圖元點,得到多個第一圖元點。獲取所述待檢測圖像中與所述第一圖元點對應的圖元點,得到多個第二圖元點。計算所述第一圖元點和對應的第二圖元點的平方差,對所述平方差進行求和,得到多個相似度結果,將所述相似度結果作為所述比對結果。需要說明的是,平方差之和越小相似度越高,平方差之和越大相似度越小。例如,滑動區域A的平方差之和為2,滑動區域B的平方差之和為10,那麼所述滑動區域A的相似度大於所述滑動區域B的相似度。
示例性的,所述待測圖像為IC承載盤圖像,所述目標對象為IC區域,如圖3。首先生成一張與所述IC區域大小相同的白色範本圖像。接著將所述IC承載盤圖像轉化為二值化圖像,二值化後的IC承載盤圖像中的IC區域變為白色區域,其他區域變為黑色區域,如圖4。在所述二值化圖像上滑動所述範本圖像,得到多個滑動區域。將所述滑動區域和所述範本圖像上的白色圖元點設置為0,黑色圖元點設置為1。計算所述範本圖像上的圖元點與所述滑動區域上的圖元點的平方差之和,由於所述平方差之和越小相似度越高,平方差之和越大相似度越小,可以將1/(1+平方差之和)作為所述相似度。可以看出,當所述平方差之和為0的時候,所述相似度為1。
在本實施方式中,由於所述目標對象區域二值化後轉變為白色區域,因此可以透過與所述白色範本圖像的相似度來提取出所述目標對象區域。
S14、根據所述比對結果確定所述待測圖像中所述目標對象的候選區域。
在本實施方式中,與所述範本圖像的相似度越高的滑動區域越接近於所述目標對象區域。
在本實施方式中,所述根據所述比對結果確定所述待測圖像中所述目標對象的候選區域包括:判斷所述相似度是否大於預設第二閾值;當所述相似度大於所述第二閾值時,將所述相似度對應的滑動區域作為所述目標對象的候選區域。
示例性的,設置一個第二閾值為1/5,所述步驟S13中得到的相似度分別為1、1/2、1/6、1/8、1/10,根據所述第二閾值可以確定1、1/2對應的滑動區域為目標對象的候選區域。如圖5所示的IC區域的候選區域,其中,在圖5中所述候選區域被白框框出。
透過利用範本圖像篩選出候選區域,不用像傳統的目標檢測模型那樣需要進行大量資料進行模型訓練之後才可以獲取候選區域,這種方式可以減少了CPU佔用,提高目標對象的檢測速率。
S15、對所述候選區域進行篩選,得到所述目標對象的目標區域。
在本實施方式中,由於所述多個滑動區域存在重疊部分,所述目標對象可能會被重複的選取,即所述候選區域可能會存在重疊。因此需要將這些多餘的候選區域去除,留下正確的目標對象的區域。
在本實施方式中,所述對所述候選區域進行篩選,得到所述目標對象的目標區域包括:對所述候選區域進行非極大值抑制計算,得到所述目標對象的目標區域。
具體實施時,根據所述相似度從大至小的順序,對所述候選區域進行排序。獲取第一相似度對應的第一候選區域與第二相似度對應的第二候選區域的交疊率,其中所述第一相似度為最大的相似度,所述第二相似度為排在第
二位的相似度。判斷所述交疊率是否大於預設第三閾值。當所述交疊率大於等於所述預設第三閾值時,將所述第二候選區域從所述待測圖像中刪除,或者,當所述交疊率小於所述預設第三閾值時,將所述第二候選區域保留。獲取所述第一候選區域與第三相似度對應的第三候選區域的交疊率,並重複上述過程,直至最小的相似度對應的候選區域,得到所述目標對象的目標區域。
可選的,S501:構建第一資料庫,並將IC區域的候選區域放入所述第一資料庫;S502:按照相似度的大小對所述候選區域進行從大到小的排序;S503:獲取所述第一相似度對應的第一候選區域與第二相似度對應的第二候選區域,其中,所述第一相似度是最大相似度;S504:計算所述第二候選區域與所述第一候選區域的交疊率;S505:判斷所述交疊率是否大於預設的第三閾值;S506:當所述交疊率大於等於所述第三閾值時,將所述交疊率對應的所述第二候選區域從所述第一資料庫中刪除;S507:當所述交疊率小於所述第三閾值時,將所述交疊率對應的所述第二候選區域保留;S508:將所述第一候選區域移入到預設的第二資料庫;S509:重複執行所述步驟S501至所述步驟S508,直到所述第一資料庫為空;S510:將所述第二資料庫中的候選區域作為所述IC區域的目標區域。
示例性的,所述步驟S14得到的候選區域按照相似度從大到小排序之後分別為D>C>B>A。設置第三閾值為0.3。提取D,並獲取C與D的交疊
率為0.6,B與D的交疊率為0.1,A與D的交疊率為0,根據所述第三閾值刪除C,保留A和B。並將D放入所述第二資料庫。提取B,獲取A與B的交疊率為0.4,根據所述第三閾值刪除A,並將B放入所述第二資料庫。確定B和D為目標區域。
透過提取與所述範本圖像相似度高的第一候選區域,並刪除與所述第一候選區域的重疊率高的候選區域,保留了準確的候選區域,提高了目標對象檢測的準確率。
請繼續參閱圖1,本實施例中,所述記憶體11可以是電子設備1的內部記憶體,即內置於所述電子設備1的記憶體。在其他實施例中,所述記憶體11也可以是電子設備1的外部記憶體,即外接於所述電子設備1的記憶體。
在一些實施例中,所述記憶體11用於儲存程式碼和各種資料,並在電子設備1的運行過程中實現高速、自動地完成程式或資料的存取。記憶體
所述記憶體11可以包括隨機存取記憶體,還可以包括非易失性記憶體,例如硬碟、記憶體、插接式硬碟、智慧儲存卡(Smart Media Card,SMC)、安全數位(Secure Digital,SD)卡、快閃記憶體卡(Flash Card)、至少一個磁片記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
在一實施例中,所述處理器12可以是中央處理單元(Central Processing Unit,CPU),還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor,DSP)、專用積體電路(Application Specific Integrated Circuit,ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array,FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者所述處理器也可以是其它任何常規的處理器等。
所述記憶體11中的程式碼和各種資料如果以軟體功能單元的形式實
現並作為獨立的產品銷售或使用時,可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解,本申請實現上述實施例方法中的全部或部分流程,例如實現延長電池服務壽命的方法中的步驟,也可以透過電腦程式來指令相關的硬體來完成,所述的電腦程式可儲存於一電腦可讀儲存介質中,所述電腦程式在被處理器執行時,可實現上述各個方法實施例的步驟。其中,所述電腦程式包括電腦程式代碼,所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括:能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體(ROM,Read-Only Memory)等。
可以理解的是,以上所描述的模組劃分,為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。另外,在本申請各個實施例中的各功能模組可以集成在相同處理單元中,也可以是各個模組單獨物理存在,也可以兩個或兩個以上模組集成在相同單元中。上述集成的模組既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
最後應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S11~S15:步驟
Claims (9)
- 一種目標對象檢測方法,其中,所述目標對象檢測方法包括:獲取包括目標對象的待測圖像,所述待測圖像為IC承載盤圖像,所述目標對象為IC區域;基於所述目標對象生成範本圖像,包括:在所述待測圖像中提取所述目標對象的矩形輪廓;並獲取所述矩形輪廓的四個頂點座標;根據所述頂點座標計算得到所述矩形輪廓的長和寬;根據所述長和所述寬生成所述範本圖像,所述範本圖像為白色的空白圖像;比對所述待測圖像與所述範本圖像,得到比對結果,包括:對所述待測圖像進行二值化處理,得到二值化圖像;根據所述目標對象對應的矩形輪廓的寬設定所述範本圖像的滑動步長,在所述二值化圖像上按照預設順序滑動所述範本圖像,確定所述範本圖像是否超出所述二值化圖像的邊緣,若所述範本圖像超出所述二值化圖像的邊緣,反方向滑動所述範本圖像,直至所述範本圖像的邊緣與所述二值化圖像的邊緣對齊,得到所述二值化圖像中的多個滑動區域;比對每個所述滑動區域與所述範本圖像,得到多個比對結果;根據所述比對結果確定所述待測圖像中所述目標對象的候選區域;對所述候選區域進行篩選,得到所述目標對象的目標區域。
- 如請求項1所述的目標對象檢測方法,其中,所述對所述待測圖像進行二值化處理,得到二值化圖像包括:設置第一閾值;獲取所述待測圖像中每一個圖元點對應的灰度值;根據所述第一閾值調整所述灰度值,得到所述二值化圖像。
- 如請求項2所述的目標對象檢測方法,其中,所述根據所述第一閾值調整所述灰度值包括: 判斷所述灰度值是否小於所述第一閾值;當所述灰度值小於所述第一閾值時,將所述灰度值調整為第一值;當所述灰度值大於或者等於所述第一閾值時,將所述灰度值調整為第二值。
- 如請求項3所述的目標對象檢測方法,其中,所述比對每個所述滑動區域與所述範本圖像,得到多個比對結果包括:計算每個所述滑動區域與所述範本圖像的相似度,得到多個相似度結果,包括:獲取所述範本圖像中的每一個圖元點,得到多個第一圖元點;獲取所述待檢測圖像中與所述第一圖元點對應的圖元點,得到多個第二圖元點;計算所述第一圖元點和對應的第二圖元點的平方差,對所述平方差進行求和,得到多個相似度結果,將所述多個相似度結果作為所述多個比對結果。
- 如請求項4所述的目標對象檢測方法,其中,所述根據所述比對結果確定所述待測圖像中所述目標對象的候選區域包括:判斷所述相似度是否大於預設第二閾值;當所述相似度大於所述第二閾值時,將所述相似度對應的滑動區域作為所述目標對象的候選區域。
- 如請求項1所述的目標對象檢測方法,其中,所述對所述候選區域進行篩選,得到所述目標對象的目標區域包括:對所述候選區域進行非極大值抑制計算,得到所述目標對象的目標區域。
- 如請求項6所述的目標對象檢測方法,其中,所述對所述候選區域進行非極大值抑制計算,得到所述目標對象的目標區域包括:根據相似度從大至小的順序,對所述候選區域進行排序;獲取第一相似度對應的第一候選區域與第二相似度對應的第二候選區域的交疊率; 判斷所述交疊率是否大於預設第三閾值;當所述交疊率大於等於所述預設第三閾值時,將所述第二候選區域從所述待測圖像中刪除,或者,當所述交疊率小於所述預設第三閾值時,將所述第二候選區域保留;獲取所述第一候選區域與第三相似度對應的第三候選區域的交疊率,並重複上述過程,直至最小的相似度對應的候選區域,得到所述目標對象的目標區域。
- 一種電子設備,其中,所述電子設備包括處理器和記憶體,所述處理器用於執行記憶體中儲存的電腦程式以實現如請求項1至請求項7中任意一項所述的目標對象檢測方法。
- 一種電腦可讀儲存介質,其中,所述電腦可讀儲存介質儲存有至少一個指令,所述至少一個指令被處理器執行時實現如請求項1至請求項7中任意一項所述的目標對象檢測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110124302A TWI816150B (zh) | 2021-07-01 | 2021-07-01 | 目標對象檢測方法、電子設備及儲存介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110124302A TWI816150B (zh) | 2021-07-01 | 2021-07-01 | 目標對象檢測方法、電子設備及儲存介質 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202303450A TW202303450A (zh) | 2023-01-16 |
TWI816150B true TWI816150B (zh) | 2023-09-21 |
Family
ID=86657937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110124302A TWI816150B (zh) | 2021-07-01 | 2021-07-01 | 目標對象檢測方法、電子設備及儲存介質 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI816150B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI655586B (zh) * | 2014-07-29 | 2019-04-01 | 香港商阿里巴巴集團服務有限公司 | 用於檢測預定區域中特定標識圖像的方法及裝置 |
-
2021
- 2021-07-01 TW TW110124302A patent/TWI816150B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI655586B (zh) * | 2014-07-29 | 2019-04-01 | 香港商阿里巴巴集團服務有限公司 | 用於檢測預定區域中特定標識圖像的方法及裝置 |
US10360689B2 (en) * | 2014-07-29 | 2019-07-23 | Alibaba Group Holding Limited | Detecting specified image identifiers on objects |
Non-Patent Citations (2)
Title |
---|
期刊 Rothe, Rasmus, Matthieu Guillaumin, and Luc Van Gool. "Non-maximum suppression for object detection by passing messages between windows." Asian conference on computer vision. 2015 Springer, Cham 2015 pages 1-16; * |
網路文獻 阿新 【NMS】Non Maximum Suppression非極大值抑制 程式人生 2018/10/31 https://www.796t.com/content/1540990690.html * |
Also Published As
Publication number | Publication date |
---|---|
TW202303450A (zh) | 2023-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220309640A1 (en) | Product defect detection method, device and system | |
US9619733B2 (en) | Method for generating a hierarchical structured pattern based descriptor and method and device for recognizing object using the same | |
WO2019051941A1 (zh) | 车型识别方法、装置、设备及计算机可读存储介质 | |
US10438083B1 (en) | Method and system for processing candidate strings generated by an optical character recognition process | |
CN102982534B (zh) | 基于弦线切线法的Canny边缘检测双阈值获取方法 | |
CN110245697B (zh) | 一种表面脏污检测方法、终端设备及存储介质 | |
CN112734691A (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
WO2021217852A1 (zh) | 损伤检测方法、装置、电子设备及介质 | |
CN103309913A (zh) | 自动管理图像集合中的图像的方法和相应设备 | |
JP6278108B2 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
CN111325728B (zh) | 产品缺陷检测方法、装置、设备及存储介质 | |
CN111899243A (zh) | 一种图像清晰度评价方法、设备和计算机可读存储介质 | |
US20230005280A1 (en) | Method of detecting target objects in images, electronic device, and storage medium | |
CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
WO2020024584A1 (zh) | 一种训练物体检测模型的方法、装置以及设备 | |
WO2023185234A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111583180A (zh) | 一种图像的篡改识别方法、装置、计算机设备及存储介质 | |
CN105184225A (zh) | 一种多国纸币图像识别方法和装置 | |
CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
TWI816150B (zh) | 目標對象檢測方法、電子設備及儲存介質 | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
US20220406082A1 (en) | Image processing apparatus, image processing method, and storage medium | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
CN114495144A (zh) | 文本图像中表格key-value信息的提取方法及装置 |