1.一种计算机执行的对图片进行目标采样的方法,所述方法包括:
获取用于对目标进行采样的图片,其中,所述图片至少包括预先人工标注的最大标注边框和位于所述最大标注边框内的多个子标注边框,所述最大标注边框用于包围所述目标的最大连续区域,所述多个子标注边框分别包围所述目标的部分连续区域;
在所述最大标注边框内,按照预定采样边框确定候选采样区域,其中,所述预定采样边框包括具有预定大小和预定形状的边框;
根据所述候选采样区域与各个子标注边框所包围的各个区域之间的重叠状况,确定对应的重叠参数;
在所述重叠参数满足预定条件的情况下,将所述候选采样区域采样为用于训练目标检测模型的正样本。
2.根据权利要求1所述的方法,其中,所述在所述最大标注边框内,按照预定采样边框确定候选采样区域包括:
从所述最大标注边框中确定所述预定采样边框的起始位置;
将所述预定采样边框按照预设的移动规则从起始位置移动,以将所述预定采样边框当前包围的区域确定为所述候选采样区域。
3.根据权利要求1所述的方法,其中,所述在所述最大标注边框内,按照预定采样边框确定候选采样区域包括:
随机确定所述预定采样边框在所述最大标注边框中的位置;
将所述预定采样边框包围的区域确定为所述候选采样区域。
4.根据权利要求1所述的方法,其中,根据所述候选采样区域与各个子标注边框所包围的各个区域之间的重叠状况,确定对应的重叠参数包括:
针对所述多个子标注边框中任意一个子标注边框所包围的第一区域,获取所述候选采样区域与所述第一区域的重叠区域,
确定所述候选采样区域与所述第一区域的总包围区域;
将所述重叠区域与所述总包围区域的第一面积比作为所述重叠参数。
5.根据权利要求1所述的方法,其中,所述预定条件包括,所述候选采样区域与任意一个子标注边框之间的所述重叠参数落入预定范围。
6.根据权利要求1所述的方法,其中,所述方法还包括:
在所述最大标注边框外,按照所述预定采样边框确定采样区域,以作为用于训练目标检测模型的负样本。
7.根据权利要求1所述的方法,其中,所述图片为包含车辆损伤的图片,所述目标为连续损伤。
8.根据权利要求1所述的方法,其中,所述多个子标注区域相互之间没有重叠。
9.根据权利要求1所述的方法,其中,所述预定边框的预定大小和预定形状可调。
10.一种计算机执行的对图片进行目标采样的装置,所述装置包括:
获取单元,配置为获取用于对目标进行采样的图片,其中,所述图片至少包括预先人工标注的最大标注边框和位于所述最大标注边框内的多个子标注边框,所述最大标注边框用于包围所述目标的最大连续区域,所述多个子标注边框分别包围所述目标的部分连续区域;
确定单元,配置为在所述最大标注边框内,按照预定采样边框确定候选采样区域,其中,所述预定采样边框包括具有预定大小和预定形状的边框;
对比单元,配置为根据所述候选采样区域与各个子标注边框所包围的各个区域之间的重叠状况,确定对应的重叠参数;
采样单元,配置为在所述重叠参数满足预定条件的情况下,将所述候选采样区域采样为用于训练目标检测模型的正样本。
11.根据权利要求10所述的装置,其中,所述确定单元进一步配置为:
从所述最大标注边框中确定所述预定采样边框的起始位置;
将所述预定采样边框按照预设的移动规则从起始位置移动,以将所述预定采样边框当前包围的区域确定为所述候选采样区域。
12.根据权利要求10所述的装置,其中,所述确定单元进一步配置为:
随机确定所述预定采样边框在所述最大标注边框中的位置;
将所述预定采样边框包围的区域确定为所述候选采样区域。
13.根据权利要求10所述的装置,其中,所述对比单元进一步配置为:
针对所述多个子标注边框中任意一个子标注边框所包围的第一区域,获取所述候选采样区域与所述第一区域的重叠区域,以及所述候选采样区域与所述第一区域的总包围区域;
将所述重叠区域与所述总包围区域的第一面积比作为所述重叠参数。
14.根据权利要求13所述的装置,其中,所述预定条件包括,所述候选采样区域与任意一个子标注边框之间的所述重叠参数落入预定范围。
15.根据权利要求10所述的装置,其中,所述采样单元还配置为:
在所述最大标注边框外,按照所述预定采样边框确定采样区域,以作为用于训练目标检测模型的负样本。
16.根据权利要求10所述的装置,其中,所述图片为包含车辆损伤的图片,所述目标为连续损伤。
17.根据权利要求10所述的装置,其中,所述多个子标注区域相互之间没有重叠。
18.根据权利要求10所述的装置,其中,所述预定边框的预定大小和预定形状可调。
19.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-9中任一项的所述的方法。
20.一种计算设备,包括存储器和处理器,其特征在于,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-9中任一项所述的方法。