[發明專利]一種用于圖片小目標的檢測方法

在審

• 申請號: 202010537199.7
• 申請日: 2020-06-12
• 公開（公告）號: CN111860587A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 陳婷;張亞南;高濤;李永會;姚大春;王松濤
• 申請（專利權）人: 長安大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06T5/50
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李鵬威

1.一種用于圖片小目標的檢測方法，其特征在于，包括以下步驟：

步驟1)、構建用于圖片小目標檢測的目標檢測網絡，以待檢測圖片作為目標檢測網絡的輸入，從待檢測圖片中獲取六個不同尺寸的特征圖，采用雙線性插值法將六個不同尺寸的特征圖中的金字塔的底層特征圖與金字塔的高層特征圖進行特征融合得到新的六個不同尺寸的特征圖，以新的六個不同尺寸的特征圖參與預測；

步驟2)、使用預先訓練模型的默認設置對目標檢測網絡進行訓練，并采用隨機梯度下降算法對損失函數式進行優化訓練，直至達到最大迭代次數，完成目標檢測網絡的訓練；

步驟3)、利用訓練好的目標檢測網絡進行測試，對待檢測的圖像特征提取，預測各目標的位置和類別，輸出帶有類別標記的圖片。

2.根據權利要求1所述的一種用于圖片小目標的檢測方法，其特征在于，在特征融合時，利用1×1的卷積改變六個不同尺寸的特征圖的通道數，將底層特征圖與高層特征圖以2：1的權重比例進行融合。

3.根據權利要求1所述的一種用于圖片小目標的檢測方法，其特征在于，將新的六個不同尺寸的特征圖由金字塔的底層特征圖至金字塔的高層特征圖的先驗框數目分別調整為9、6、6、6、4和4。

4.根據權利要求3所述的一種用于圖片小目標的檢測方法，其特征在于，取先驗框尺寸相對原圖片的比例的最大值和最小值分別為0.9和0.1。

5.根據權利要求1所述的一種用于圖片小目標的檢測方法，其特征在于，目標網絡的損失函數為：

L(x,c,l,g)＝L_conf(x,c)+L_loc(x,c,g)+βL₂loss

其中，x表示默認框和預測框是否成功匹配；c表示置信度；l表示預測框的位置信息；g表示真實框的位置信息；L_conf(x,c)表示為分類損失函數，采用Softmax Loss1；L_loc(x,l,g)為位置損失，采用SmoothL₁；α為權值系數，用于調整Confidence Loss和Location Loss之間的比例關系，本文設定為1；β為L₂正則化因子，此處取值0.1保證懲罰值與原損失相當；

定位損失函數表示為：

其中當時表示第i個先驗框與第j個真實框相匹配，并且類別為k，否則為0；N_pos表示正樣例集合；(cx,cy,w,h)分別表示邊界框中心像素坐標以及寬高；為編碼后的真實框位置參數；表示先驗框的預測值；表示平滑L₁范數，l表示預測框，g表示真實框，d表示先驗框；函數表示為：

分類損失函數為：

其中，i∈Pos和i∈Neg分別表示第i個正樣本預測框和第i個負樣本預測框。

6.根據權利要求5所述的一種用于圖片小目標的檢測方法，其特征在于，對目標檢測網絡進行訓練的網絡超參數為：動量參數為0.9，衰減系數為0.0005，最大迭代次數為120000次，批量大小為32，初始化學習率為η_lr＝0.001。

7.根據權利要求6所述的一種用于圖片小目標的檢測方法，其特征在于，學習率設置為：0到1k為10^-4，1K到80k為10^-3，80k到100k為10^-4，100k到120k為10^-5。