一种用于图片小目标的检测方法技术

本发明专利技术公开了一种用于图片小目标的检测方法，通过以待检测图片作为目标检测网络的输入，从待检测图片中获取六个不同尺寸的特征图，采用双线性插值法将六个不同尺寸的特征图中的金字塔的底层特征图与金字塔的高层特征图进行特征融合得到新的六个不同尺寸的特征图，考虑各尺度特征图之间的关系，使参与预测的特征图有更丰富的细节信息和语义信息，使用预先训练模型的默认设置对目标检测网络进行训练，并采用随机梯度下降算法对损失函数式进行优化训练，有利于模型的快速收敛，利用训练好的目标检测网络进行测试，对待检测的图像特征提取，能够有效提高图片小目标的检测精度和检测速度，可在完全满足实时性条件下有效提高小目标的检测精度。

【技术实现步骤摘要】
一种用于图片小目标的检测方法
本专利技术属于目标检测领域，具体涉及一种用于图片小目标的检测方法。
技术介绍
目标检测是计算机视觉领域的核心问题之一，是计算机视觉中一个重要的研究方向。随着计算机视觉的飞速发展，目标检测被广泛应用于智能交通、医学图像诊断、图像检索以及军事应用等领域。传统的目标检测算法一般可以分为三个阶段：区域选择，特征提取，分类器分类。区域选择多采用滑动窗口的策略对整幅图像进行遍历，而窗口需要设置不同的尺度，不同的长宽比。这种穷举的策略虽然包含了目标所有可能出现的位置，但耗时过长，窗口冗余度高，花费成本高。由于目标的形态、背景、光照变化的多样性等因素使得设计一个鲁棒的特征非常困难，然而提取特征的好坏直接影响到分类的准确性，常用的图像特征有梯度方向直方图(HistogramofOrientedGradients,HOG)、尺度不变特征转换(ScaleInvariantFeatureTransform,SIFT)等。常用的分类器有支持向量机(SupportVectorMachine,SVM)、迭代器(AdaBoost)以及各种本文档来自技高网...

【技术保护点】
1.一种用于图片小目标的检测方法，其特征在于，包括以下步骤：/n步骤1)、构建用于图片小目标检测的目标检测网络，以待检测图片作为目标检测网络的输入，从待检测图片中获取六个不同尺寸的特征图，采用双线性插值法将六个不同尺寸的特征图中的金字塔的底层特征图与金字塔的高层特征图进行特征融合得到新的六个不同尺寸的特征图，以新的六个不同尺寸的特征图参与预测；/n步骤2)、使用预先训练模型的默认设置对目标检测网络进行训练，并采用随机梯度下降算法对损失函数式进行优化训练，直至达到最大迭代次数，完成目标检测网络的训练；/n步骤3)、利用训练好的目标检测网络进行测试，对待检测的图像特征提取，预测各目标的位置和类别，...

【技术特征摘要】
1.一种用于图片小目标的检测方法，其特征在于，包括以下步骤：
步骤1)、构建用于图片小目标检测的目标检测网络，以待检测图片作为目标检测网络的输入，从待检测图片中获取六个不同尺寸的特征图，采用双线性插值法将六个不同尺寸的特征图中的金字塔的底层特征图与金字塔的高层特征图进行特征融合得到新的六个不同尺寸的特征图，以新的六个不同尺寸的特征图参与预测；
步骤2)、使用预先训练模型的默认设置对目标检测网络进行训练，并采用随机梯度下降算法对损失函数式进行优化训练，直至达到最大迭代次数，完成目标检测网络的训练；
步骤3)、利用训练好的目标检测网络进行测试，对待检测的图像特征提取，预测各目标的位置和类别，输出带有类别标记的图片。


2.根据权利要求1所述的一种用于图片小目标的检测方法，其特征在于，在特征融合时，利用1×1的卷积改变六个不同尺寸的特征图的通道数，将底层特征图与高层特征图以2：1的权重比例进行融合。


3.根据权利要求1所述的一种用于图片小目标的检测方法，其特征在于，将新的六个不同尺寸的特征图由金字塔的底层特征图至金字塔的高层特征图的先验框数目分别调整为9、6、6、6、4和4。


4.根据权利要求3所述的一种用于图片小目标的检测方法，其特征在于，取先验框尺寸相对原图片的比例的最大值和最小值分别为0.9和0.1。


5.根据权利要求1所述的一种用于图片小目标的检测方法，其特征在于，目标网络的损失函数为：
L(x,c,l,g)＝Lconf(x,c)+Lloc(x,c,g)+βL2l...

【专利技术属性】
技术研发人员：陈婷，张亚南，高涛，李永会，姚大春，王松涛，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61