[發明專利]一種航拍圖像目標檢測的方法、設備與介質

在審

• 申請號: 202010798420.4
• 申請日: 2020-08-12
• 公開（公告）號: CN114140683A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 梁繼然;許延雷;陳壯
• 申請（專利權）人: 天津大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/40;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種航拍圖像目標檢測方法，其特征在于，包括：

獲取待檢測的第一圖像，所述第一圖像中包括目標類型區域，將所述第一圖像輸入已訓練的目標檢測模型；

利用所述目標檢測模型，對所述第一圖像進行特征提取，生成包含目標中心點特征信息的熱力圖；

利用所述熱力圖的中心點類型進行目標分類，結合中心點特征信息生成目標邊界框，所述目標邊界框中包括所述目標類型區域。

2.根據權利要求1所述的航拍圖像目標檢測方法，其特征在于，所述獲取待檢測的第一圖像之前，所述方法還包括：

將所述的目標檢測模型進行有監督訓練，獲取預設數量的訓練圖像，每張訓練圖像標注目標類別和邊界框；

將所述預設數量的訓練圖像分成訓練數據、驗證數據與測試數據；

利用所述訓練數據通過聚類操作進行分類并交替訓練，通過特定目標區域信息丟失進行數據增強，生成模型權重；

利用所述驗證數據進行所述目標檢測模型可行性驗證；

利用所述測試數據進行所述目標檢測模型的有效性測試。

3.根據權利要求1所述的航拍圖像目標檢測方法，其特征在于，所述目標檢測模型包括特征提取網絡與反卷積級聯網絡；

所述利用所述目標檢測模型，對所述第一圖像進行特征提取，生成包含目標中心點特征信息的熱力圖，包括：

將所述第一圖像輸入所述特征提取網絡獲取特征圖；

將所述特征圖輸入到所述反卷積級聯網絡得到特征像素級分布的熱力圖。

4.根據權利要求3所述的航拍圖像目標檢測方法，其特征在于，所述特征提取網絡包括：卷積層、池化層、殘差模塊、空洞卷積模塊；

所述反卷積級聯網絡包括：反卷積模塊、注意力模塊、級聯模塊；

所述將所述第一圖像輸入所述特征提取網絡獲取特征圖，包括：

所述卷積層包括三個3×3的小尺寸卷積核，所述池化層為最大值池化，所述殘差模塊由七個輸入和輸出之間進行級聯的殘差單元構成，所述空洞卷積模塊以不同空洞率的卷積核提取多尺度信息，再將不同尺度信息級聯經過一個卷積層輸出所述特征圖；

所述將所述特征圖輸入到所述反卷積級聯網絡得到特征像素級分布的熱力圖，包括：

所述反卷積模塊在進行反卷積操作前先通過注意力機制進行空間和通道方面的加權，所述級聯模塊包括將殘差模塊的特征經過注意力模塊輸出得到的特征圖與反卷積模塊輸出的特征圖進行同分辨率級聯，輸出所述特征像素級分布的熱力圖。

5.根據權利要求3所述的航拍圖像目標檢測方法，其特征在于，

所述熱力圖攜帶的信息為預測目標中心點類別和熱力圖中心點坐標信息、目標尺寸信息、中心點離散偏移誤差信息和自適應二值化閾值信息。

6.根據權利要求5所述的航拍圖像目標檢測方法，其特征在于，所述利用所述熱力圖的中心點類型進行目標分類，結合中心點特征信息生成目標邊界框，包括：

在訓練過程中將所述熱力圖與真實目標進行映射匹配，再根據匹配程度進行分類，得到預測目標的種類信息；

將所述熱力圖中心點坐標信息、所述自適應二值化閾值信息、所述目標尺寸信息、所述中心點離散偏移誤差信息相結合進行邊界框預測，生成所述目標邊界框。

7.根據權利要求6所述的航拍圖像目標檢測方法，其特征在于，所述在訓練過程中將所述熱力圖與真實目標進行映射匹配，再根據匹配程度進行分類，得到預測目標的種類信息，包括：

將真實標注的目標中心點坐標信息通過高斯核函數映射到預測的熱力圖上作為目標的關鍵點；

若所述熱力圖上關鍵點坐標信息與真實信息相匹配，則所述種類信息與所述真實信息相同，若所述熱力圖上關鍵點坐標信息與真實信息不匹配則所述種類信息為背景信息。