一种基于深度学习的目标检测的方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于深度学习的目标检测的方法、系统、设备和存储介质，方法包括以下步骤：读取待检测图像，对图像进行分割；依次提取分割后的各个图像第一卷积层和第二卷积层的特征，并将第一卷积层和第二卷积层的特征进行融合以得到特征图；将先验框分布到各层特征图上，并基于检测卷积对不含目标的先验框进行滤除，对剩余先验框进行卷积计算以确定目标的位置和类别；以及将确定的位置变换回图像的位置，并在图像中标示目标的类别。本发明专利技术提出的基于深度学习的目标检测的方法、系统、设备及介质通过检测卷积，在目标较为稀疏的情况下，可以大大提升检测速度。

【技术实现步骤摘要】
一种基于深度学习的目标检测的方法、系统、设备及介质
本专利技术涉及图像识别领域，更具体地，特别是指一种基于深度学习的目标检测的方法、系统、计算机设备及可读介质。
技术介绍
遥感图像目标检测是利用目标检测算法检测遥感图像中的特定目标的技术，遥感图像目标检测在军事目标智能识别，遥感影像解析以及民用航空等领域具有广阔的应用前景。对于遥感图像，研究内容包括通过检测油罐预估石油储备、通过检测车辆预估商业收益、以及路网提取、农作物检测、图像检索等等。当前，遥感图像的目标检测存在以下难点和问题：1.尺度多样性：卫星遥感图像从几百米到近万米的拍摄高度都有，且地面目标即使是同类目标也大小不一，如港口的轮船大的有300多米，小的只有数十米。2.视角特殊性：遥感图像的视角基本都是高空俯视，但常规数据集大部分还是地面水平视角，所以，在常规数据集上训练的很好的检测器，使用在遥感图像上效果很差。3.小目标问题：遥感图像的目标很多都是小目标，弱目标(几十个甚至几个像素)，这就导致目标信息量不大，对于一个24*24的小目标经过4层pooling本文档来自技高网...

【技术保护点】
1.一种基于深度学习的目标检测的方法，其特征在于，包括以下步骤：/n读取待检测图像，并对所述图像进行分割；/n依次提取分割后的各个图像第一卷积层和第二卷积层的特征，并将所述第一卷积层和所述第二卷积层的特征进行融合以得到特征图；/n将先验框分布到各层特征图上，并基于检测卷积对不含目标的先验框进行滤除，对剩余先验框进行卷积计算以确定目标的位置和类别；以及/n将确定的位置变换回所述图像的位置，并在所述图像中标示目标的类别。/n

【技术特征摘要】
1.一种基于深度学习的目标检测的方法，其特征在于，包括以下步骤：
读取待检测图像，并对所述图像进行分割；
依次提取分割后的各个图像第一卷积层和第二卷积层的特征，并将所述第一卷积层和所述第二卷积层的特征进行融合以得到特征图；
将先验框分布到各层特征图上，并基于检测卷积对不含目标的先验框进行滤除，对剩余先验框进行卷积计算以确定目标的位置和类别；以及
将确定的位置变换回所述图像的位置，并在所述图像中标示目标的类别。


2.根据权利要求1所述的方法，其特征在于，所述基于检测卷积对不含目标的先验框进行滤除包括：
输入特征图，判断所述特征图的卷积是否小于阈值；以及
响应于所述特征图的卷积小于阈值，将所述特征图对应的先验框进行滤除。


3.根据权利要求1所述的方法，其特征在于，所述将所述第一卷积层和所述第二卷积层的特征进行融合以得到特征图包括：
将所述第一卷积层的语义信息和所述第二卷积层的空间信息进行融合。


4.根据权利要求1所述的方法，其特征在于，所述将所述第一卷积层和所述第二卷积层的特征进行融合以得到特征图包括：
基于图像金字塔结构创建多尺度的特征金字塔，并基于所述特征金字塔通过深度可分反卷积进行特征的上采样。


5.根据权利要求1所述的方法，其特征在于，还包括：
基于所述检测卷积对不属于对应卷积层的尺度的先验框进行滤除。


6.根据权利要求5所述的方法，其特征在于...

【专利技术属性】
技术研发人员：王曦辉，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32