[發(fā)明專(zhuān)利]用于檢測(cè)小目標(biāo)的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010461384.2
• 申請(qǐng)日: 2020-05-27
• 公開(kāi)（公告）號(hào): CN111626208B
• 公開(kāi)（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 何剛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 阿波羅智聯(lián)（北京）科技有限公司
• 主分類(lèi)號(hào): G06V20/56
• 分類(lèi)號(hào): G06V20/56;G06V20/62;G06V10/25;G06V10/26;G06V10/82;G06N3/04;G06N3/084
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種用于檢測(cè)小目標(biāo)的方法，包括：

通過(guò)車(chē)載攝像頭獲取包括小目標(biāo)的原始圖像；

將所述原始圖像縮小成低分辨率圖像；

采用輕量級(jí)的分割網(wǎng)絡(luò)從所述低分辨率圖像中識(shí)別出包括所述小目標(biāo)的候選區(qū)域，其中，所述分割網(wǎng)絡(luò)的骨干網(wǎng)采用shufflenet；

將所述候選區(qū)域的噪聲點(diǎn)過(guò)濾掉后，形成一個(gè)包圍剩下所有疑似目標(biāo)點(diǎn)的最小外接矩形，將該矩形在未經(jīng)縮放的高分辨率的原始圖像中對(duì)應(yīng)的區(qū)域作為興趣區(qū)，在所述興趣區(qū)上運(yùn)行預(yù)先訓(xùn)練的檢測(cè)模型，確定所述小目標(biāo)在所述原始圖像中的位置。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述檢測(cè)模型通過(guò)如下方法訓(xùn)練：

確定初始檢測(cè)模型的網(wǎng)絡(luò)結(jié)構(gòu)以及初始化所述初始檢測(cè)模型的網(wǎng)絡(luò)參數(shù)；

獲取訓(xùn)練樣本集，其中，訓(xùn)練樣本包括樣本圖像和用于表征樣本圖像中小目標(biāo)的位置的標(biāo)注信息；

將所述訓(xùn)練樣本通過(guò)如下至少一種方式增強(qiáng)：復(fù)制、多尺度變化、編輯；

將增強(qiáng)后的訓(xùn)練樣本集中的訓(xùn)練樣本中的樣本圖像和標(biāo)注信息分別作為所述初始檢測(cè)模型的輸入和期望輸出，利用機(jī)器學(xué)習(xí)方法訓(xùn)練所述初始檢測(cè)模型；

將訓(xùn)練得到的所述初始檢測(cè)模型確定為所述預(yù)先訓(xùn)練的檢測(cè)模型。

3.根據(jù)權(quán)利要求2所述的方法，其中，通過(guò)如下方式編輯訓(xùn)練樣本：

從樣本圖像中摳出小目標(biāo)；

將小目標(biāo)進(jìn)行縮放和/或旋轉(zhuǎn)操作后隨機(jī)的粘貼到樣本圖像中其他位置，得到新的樣本圖像。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

制作所述分割網(wǎng)絡(luò)的訓(xùn)練樣本的時(shí)候，將原本用于檢測(cè)任務(wù)的矩形框內(nèi)像素點(diǎn)設(shè)置為正樣本，矩形框外像素點(diǎn)設(shè)置為負(fù)樣本；

將長(zhǎng)寬小于預(yù)定像素?cái)?shù)量的小目標(biāo)的矩形框外擴(kuò)；

將外擴(kuò)后的矩形框內(nèi)像素都設(shè)置為正樣本。

5.根據(jù)權(quán)利要求1-3之一所述的方法，其中，所述檢測(cè)模型為深度神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的方法，其中，在每個(gè)預(yù)測(cè)層特征融合之后引入注意力模塊，為不同通道的特征學(xué)習(xí)一個(gè)合適的權(quán)重。

7.一種用于檢測(cè)小目標(biāo)的裝置，包括：

獲取單元，被配置成通過(guò)車(chē)載攝像頭獲取包括小目標(biāo)的原始圖像；

縮小單元，被配置成將所述原始圖像縮小成低分辨率圖像；

第一檢測(cè)單元，被配置成采用輕量級(jí)的分割網(wǎng)絡(luò)從所述低分辨率圖像中識(shí)別出包括所述小目標(biāo)的候選區(qū)域，其中，所述分割網(wǎng)絡(luò)的骨干網(wǎng)采用shufflenet；

第二檢測(cè)單元，被配置成將所述候選區(qū)域的噪聲點(diǎn)過(guò)濾掉后，形成一個(gè)包圍剩下所有疑似目標(biāo)點(diǎn)的最小外接矩形，將該矩形在未經(jīng)縮放的高分辨率的原始圖像中對(duì)應(yīng)的區(qū)域作為興趣區(qū)，在所述興趣區(qū)上運(yùn)行預(yù)先訓(xùn)練的檢測(cè)模型，確定所述小目標(biāo)在所述原始圖像中的位置。

8.根據(jù)權(quán)利要求7所述的裝置，其中，所述裝置還包括訓(xùn)練單元，被配置成：

確定初始檢測(cè)模型的網(wǎng)絡(luò)結(jié)構(gòu)以及初始化所述初始檢測(cè)模型的網(wǎng)絡(luò)參數(shù)；

獲取訓(xùn)練樣本集，其中，訓(xùn)練樣本包括樣本圖像和用于表征樣本圖像中小目標(biāo)的位置的標(biāo)注信息；

將所述訓(xùn)練樣本通過(guò)如下至少一種方式增強(qiáng)：復(fù)制、多尺度變化、編輯；

將增強(qiáng)后的訓(xùn)練樣本集中的訓(xùn)練樣本中的樣本圖像和標(biāo)注信息分別作為所述初始檢測(cè)模型的輸入和期望輸出，利用機(jī)器學(xué)習(xí)裝置訓(xùn)練所述初始檢測(cè)模型；

將訓(xùn)練得到的所述初始檢測(cè)模型確定為所述預(yù)先訓(xùn)練的檢測(cè)模型。

9.根據(jù)權(quán)利要求8所述的裝置，其中，所述訓(xùn)練單元進(jìn)一步被配置成：

從樣本圖像中摳出小目標(biāo)；

將小目標(biāo)進(jìn)行縮放和/或旋轉(zhuǎn)操作后隨機(jī)的粘貼到樣本圖像中其他位置，得到新的樣本圖像。