解决小目标检测常用手段——图像平铺

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第21天，点击查看活动详情

需求背景

  在日常的目标检测的任务中，我们常常会遇到小目标需要进行检测。这里的“小目标分“两类：

1. 小目标可能是由目标距离摄像头距离较远导致目标成像的像素较小
2. 可能是由于目标本身就小造成的。

  那么在进行目标检测的过程中，我们需要处理一些由于第一类造成的”小目标“进行检测，常用的一种手段就是图像平铺。（下述文章中，小目标即指由第一类原因造成的）。

如何制作

  在制作小目标数据集之前，我们肯定是会以原始数据集进行制作（假定我们的原始数据集图像大小为：1920x1080），这里以单张图像为例子进行思路流程讲解。

  我们拿到了一张原始图像以及xml标签文件，我们需要分别对img和xml进行处理，这里我将分开讲解。

处理img：

1. 获取原始图像的size;
2. 计算对原始图像的NewSize = size/3;
3. 对原始图像进行resize处理（处理后的大小为NewSize）；
4. COPY9份数据为后面组成3x3网格数据做准备；
5. 对COPY的每份数据可以进行不改变目标位置处理（例如：亮度、噪声和滤波）；
6. 拼接处理后的图像（拼接后的图像大小仍为size = (1920x1080))。

样图示例：

这样处理图像数据后我们不仅仅得到了小目标数据集，还对数据集进行了9倍的扩增同时也增加了数据的复杂度。

处理xml

1. 读取xml文件；
2. 解析xml中对应的img数据；
3. 获取坐标并计算3x3网格中每一个目标的坐标；
4. 对不同的坐标的label进行编写；
5. 新建一个xml（同img名称）把数据写入。

注意事项： 这里需要注意的是当img中存在单个目标和多个目标进行解析的时候需要分类解析，这是两种不同的解析方法

后言

上述图像平铺的方法介绍到这里，经实验检测，具有一定的效果，后续改善化后，我再来告知大家。感谢大家阅读本文。