[發明專利]一種小目標檢測識別方法、裝置、系統和存儲介質

有效

• 申請號: 202011483335.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112508924B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 李曉歡;盧昌達;趙峰;陳倩;唐欣
• 申請（專利權）人: 桂林電子科技大學;廣西綜合交通大數據研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 深圳市諾正鑫澤知識產權代理有限公司 44689
• 代理人: 羅華

1.一種小目標檢測識別方法，其特征在于，所述方法包括：

獲取待檢測識別的目標圖像；

將所述目標圖像輸入到預設的卷積神經網絡模型中進行檢測識別并輸出檢測識別結果；其中，預設的所述卷積神經網路模型可對所述目標圖像進行卷積處理、殘差處理、下采樣處理以及特征融合處理，得到目標圖像特征融合結果，并對得到的所述目標圖像特征融合結果進行檢測識別；

預設的所述卷積神經網絡模型對所述目標圖像進行檢測識別并輸出檢測識別結果，具體包括：

對所述目標圖像進行卷積處理，并做第一次下采樣處理，得到第一特征圖；

對所述第一特征圖進行第一階段殘差處理，并做第二次下采樣處理，得到第二特征圖；

對所述第二特征圖進行第二階段殘差處理，并做第三次下采樣處理，得到第三特征圖；

對所述第三特征圖進行第三階段殘差處理，得到第四特征圖；

對所述第四特征圖進行第四次下采樣處理，得到第五特征圖；

對所述第五特征圖進行第四階段殘差處理，得到第六特征圖；

對所述第六特征圖進行第五次下采樣處理，并做第五階段殘差處理，得到第七特征圖；

將所述第四特征圖、所述第六特征圖和所述第七特征圖進行特征融合，得到融合特征結果；

將所述融合特征結果輸入預設的檢測器進行檢測識別，得到并輸出檢測識別結果，預設的所述檢測器由樣本圖像訓練得來。

2.根據權利要求1所述的方法，其特征在于，所述第一階段殘差處理中，殘差處理的次數為1次；所述第二階段殘差處理中，殘差處理的次數2次；所述第三階段殘差處理中，殘差處理的次數8次；所述第四階段殘差處理中，殘差處理的次數8次；所述第五階段殘差處理中，殘差處理的次數4次。

3.根據權利要求1所述的方法，其特征在于，所述對所述第三特征圖進行第三階段殘差處理，得到第四特征圖的步驟具體為：

對所述第三特征圖進行第三階段殘差處理，并做雙支路特征增強處理，得到第四特征圖；

和/或

所述對所述第五特征圖進行第四階段殘差處理，得到第六特征圖的步驟具體為：

對所述第五特征圖進行第四階段殘差處理，并做雙支路特征增強處理，得到第六特征圖；

和/或

所述對所述第六特征圖進行第五次下采樣處理，并做第五階段殘差處理，得到第七特征圖的步驟具體為：

所述對所述第六特征圖進行第五次下采樣處理，并做第五階段殘差處理，并做雙支路特征增強處理，得到第七特征圖。

4.根據權利要求1所述的方法，其特征在于，所述將所述第四特征圖、所述第六特征圖和所述第七特征圖進行特征融合，得到融合特征結果的步驟，具體包括：

將所述第四特征圖、所述第六特征圖和所述第七特征圖進行殘差特征增強處理，所述殘差特征增強處理包括對所述第四特征圖、所述第六特征圖和所述第七特征圖進行降維處理和上采樣處理，使所述第四特征圖、所述第六特征圖和所述第七特征圖的維度和尺度大小一致；

將殘差特征增強處理后的所述第四特征圖、所述第六特征圖和所述第七特征圖進行特征圖拼接操作，并進行卷積處理，得到三個注意力特征圖；

將三個所述注意力特征圖分別與對應的特征圖相加，并進行權值融合，得到融合特征結果。

5.根據權利要求1所述的方法，其特征在于，所述殘差處理包括：

對輸入的特征圖進行卷積處理和批歸一化處理，再通過非線性激活函數進行激活輸出，所述批歸一化處理可用公式表示為：

其中，其中ε＝1e-5，x為輸入數據向量，包括通道數、batch數、特征圖尺寸參數。

6.根據權利要求3所述的方法，其特征在于，所述雙支路特征增強處理包括：

對輸入的特征圖的特征向量進行至少兩次卷積處理，得到至少兩個子向量；

對至少兩個所述子向量的權重進行標定，并對標定后的至少兩個子向量進行加法操作，得到輸出的增強特征圖。