[發明專利]小目標的檢測方法、裝置、存儲介質及設備

在審

• 申請號: 202110267063.3
• 申請日: 2021-03-11
• 公開（公告）號: CN112950703A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 王堃
• 申請（專利權）人: 江蘇禹空間科技有限公司
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06N3/04
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 黃雪

1.一種小目標的檢測方法，其特征在于，用于神經網絡模型中，所述神經網絡模型中包括改進特征金字塔網絡和檢測網絡，所述改進特征金字塔網絡中包括n個卷積層、n個預測層和一個臨時層，n≥3，所述方法包括：

獲取待檢測的圖像，所述圖像中包含至少一個小目標對象，所述小目標對象是像素面積小于預定面積的目標對象；

所述n個卷積層對所述圖像進行卷積運算，依次得到n個卷積結果；

所述n個預測層中的前n-1個預測層對對應的卷積結果進行預定運算，依次得到n-1個預測結果；

所述臨時層根據所述n-1個預測結果中的后m個預測結果進行預定運算，得到臨時結果，m≥2；

所述n個預測層中的第n個預測層對對應的卷積結果和所述臨時結果進行預定運算，得到第n個預測結果；

所述檢測網絡根據n個預測結果檢測所述小目標對象。

2.根據權利要求1所述的方法，其特征在于，當m為2時，所述臨時層根據所述n-1個預測結果中的后m個預測結果進行預定運算，得到臨時結果，包括：

所述臨時層對第n-1個預測結果進行上采樣，得到第n-1個采樣結果；

所述臨時層將所述第n-1個采樣結果與第n-2個預測結果相加，得到所述臨時結果。

3.根據權利要求1所述的方法，其特征在于，所述n個預測層中的第n個預測層對對應的卷積結果和所述臨時結果進行預定運算，得到第n個預測結果，包括：

所述n個預測層中的第n個預測層對所述臨時結果進行上采樣，得到第n個采樣結果；

所述第n個預測層將所述第n個采樣結果與第一個卷積結果相加，得到所述第n個預測結果。

4.根據權利要求1至3中任一項所述的方法，其特征在于，所述n個卷積層對所述圖像進行卷積運算，依次得到n個卷積結果，包括：

所述n個卷積層中的第一個卷積層對所述圖像進行卷積運算，得到第一個卷積結果；

所述n個卷積層中的第i個卷積層對第i-1個卷積結果進行卷積運算，得到第i個卷積結果，2≤i≤n。

5.根據權利要求1至3中任一項所述的方法，其特征在于，所述n個預測層中的前n-1個預測層對對應的卷積結果進行預定運算，依次得到n-1個預測結果，包括：

所述n個預測層中的第一個預測層對第n個卷積結果進行卷積運算，得到第一個預測結果；

所述n個預測層中的第j個預測層對第j-1個預測結果進行上采樣，得到第j-1個采樣結果，將所述第j-1個采樣結果與第n-j+1個卷積結果相加，得到第j個預測結果，2≤j≤n-1。

6.一種小目標的檢測裝置，其特征在于，用于神經網絡模型中，所述神經網絡模型中包括改進特征金字塔網絡和檢測網絡，所述改進特征金字塔網絡中包括n個卷積層、n個預測層和一個臨時層，n≥3，所述裝置包括：

獲取模塊，用于獲取待檢測的圖像，所述圖像中包含至少一個小目標對象，所述小目標對象是像素面積小于預定面積的目標對象；

卷積模塊，用于通過所述n個卷積層對所述圖像進行卷積運算，依次得到n個卷積結果；

運算模塊，用于通過所述n個預測層中的前n-1個預測層對對應的卷積結果進行預定運算，依次得到n-1個預測結果；

所述運算模塊，還用于通過所述臨時層根據所述n-1個預測結果中的后m個預測結果進行預定運算，得到臨時結果，m≥2；

所述運算模塊，還用于所述n個預測層中的第n個預測層對對應的卷積結果和所述臨時結果進行預定運算，得到第n個預測結果；

檢測模塊，用于通過所述檢測網絡根據n個預測結果檢測所述小目標對象。

7.根據權利要求6所述的裝置，其特征在于，當m為2時，所述運算模塊，還用于：

通過所述臨時層對第n-1個預測結果進行上采樣，得到第n-1個采樣結果；

通過所述臨時層將所述第n-1個采樣結果與第n-2個預測結果相加，得到所述臨時結果。