[發明專利]一種基于多尺度小樣本的航拍車輛檢測方法及檢測系統

有效

• 申請號: 202110259033.8
• 申請日: 2021-03-10
• 公開（公告）號: CN112949520B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 王祥豐;向王濤;金博;吳倩;張致愷
• 申請（專利權）人: 華東師范大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/25;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 上海德禾翰通律師事務所 31319
• 代理人: 夏思秋

1.一種基于多尺度小樣本的航拍車輛檢測方法，其特征在于，包括以下步驟：

步驟一：讀取輸入圖片，進行圖像預處理，然后對圖像進行數據增廣，生成增強數據集；

步驟二：將步驟一中所述增強數據集采用內插值的上采樣方法，把一副任意大小的P×Q圖片縮放到同一固定尺寸M×N，以此固定圖片尺寸，輸入到后續的網絡模型中；

步驟三：將步驟二中經數據預處理的數據集作為目標輸入，讀取圖片，針對所有數據，提取淺層特征，同時，將數據進行小樣本學習，通過加權提取特征來平衡類間數據比例失衡問題；

步驟四：將步驟二得到的M×N圖像輸入到卷積層和池化層，得到(M/16)×(N/16)大小的特征圖，即圖像的特征提取；

步驟五：將步驟四得到的(M/16)×(N/16)大小的特征圖輸入到區域提取網絡執行3×3的卷積操作，然后進行圖像感興趣區域的搜索操作，再進行正負錨點框的采樣操作，得到K個1:1的正負錨點框；

步驟六：將步驟五通過跳躍連接技術和引入軟交比的方法得到的輸出錨點框和檢測框位置對應的特征輸入到建議層，所述建議層綜合正錨點和對應邊框回歸偏移量獲取建議值，同時剔除面積小于超參Q的結果框和超出圖片邊界的建議值，完成目標定位；

步驟七：通過坐標投影的方法，將步驟六得到的定位區域輸入到感興趣區域池化層進行最大值池化，輸出感興趣區域的特征向量，再將得到的特征向量通過空間金字塔池化；

步驟八：通過多任務損失函數將步驟七得到的感興趣區域的特征向量與全連接層相連，得到最終檢測框的位置和類別；

步驟九：將步驟八篩選得到最終檢測框進行非極大值抑制，得到最終的檢測結果，至此，測試階段結束；

步驟十：在訓練階段，通過步驟八得到的位置預測和類別預測與標簽真實值做差值運算，并通過權重的正則化防止過擬合，并且通過優化縮小差值來更新模型的權重參數，反復訓練固定輪次后得到最優模型。

2.根據權利要求1所述的方法，其特征在于，步驟一中的所述數據增廣的具體實施方式包括隨機角度旋轉、隨機翻轉、隨機調整亮度、對比度和飽和度和隨機剪裁。

3.根據權利要求1所述的方法，其特征在于，步驟二中，所述增強數據集指的是步驟一經擴充的圖像；

所述采用內插值的上采樣方法是指在原有圖像像素的基礎上在像素之間采用合適的插值算法插入新的元素，所述上采樣方法采用雙線性插值的方法，未知函數f采用雙線性插值的值計算方法如下：

為獲得未知函數f在點p＝(x，y)的值，已知函數f在Q₁₁＝(x₁，y₁)，Q₁₂＝(x₁，y₂)，Q₂₁＝(x₂，y₁)及Q₂₂＝(x₂，y₂)四個點的值；首先在x方向線性插值，得到：

然后在y方向進行線性插值，得到：

4.根據權利要求1所述的方法，其特征在于，步驟三中的所述小樣本學習是指采用遷移學習技術，將從不同數據集中樣本分布進行元學習，再對目標數據集特征進行重加權，生成帶有小樣本信息的加權特征參數，從而實現小樣本目標檢測；

所述元學習的具體實現是通過學習不同類別比例的不同數據集，得到不同的樣本所對應的權重，將深度學習網絡提取的特征根據不同樣本所對應的權重進行加權操作得到加權后的特征。