一种微小目标检测方法、介质及系统技术方案

本发明专利技术公开一种微小目标检测方法、介质及系统。该方法包括：将包含微小目标的图像输入深度学习目标检测网络后，输出从所述图像中提取出的所述微小目标，其中，所述微小目标的面积小于预设面积；将提取出的所述微小目标输入放大深度学习网络，输出放大预设倍数的所述微小目标；将放大预设倍数的所述微小目标输入深度学习分类网络，输出所述微小目标的类别。本发明专利技术可有效提高微小目标的检测精度，降低误检率，从而提高整个计算机视觉系统的性能和稳定性，具有较好的实际应用价值和经济效益。

【技术实现步骤摘要】
一种微小目标检测方法、介质及系统
本专利技术涉及目标检测
，尤其涉及一种微小目标检测方法、介质及系统。
技术介绍
近年来，随着深度学习和计算机算力的不断发展突破，深度学习在分类任务、目标检测、语义分割等计算机视觉领域取得了传统算法不可比拟的效果，并应用在各行各业。在目标检测领域，目前主流的应用算法有：SSD、FasterRcnn、YOLO等，其在实际应用中取得了不错的效果，但这些算法普遍存在的一个问题，在检测微小目标时，其检测精度较低。主要原因首先在于微小目标所含像素较少，其携带的数据信息量较少，其次深度学习的一般规律是网络深度越深检测精度越高。这样会导致微小目标经过较深的深度学习网络，在下采样的作用下，微小目标本身所携带的较少信息在较深的特征图中几乎消失了，从而导致微小目标检测精度的下降。
技术实现思路
本专利技术实施例提供了一种微小目标检测方法、介质及系统，以解决现有技术检测微小目标的精度低的问题。第一方面，提供一种微小目标检测方法，包括：将包含微小目标的图像输入深度学习目标检测网络后，输出从所述图像中提取本文档来自技高网...

【技术保护点】
1.一种微小目标检测方法，其特征在于，包括：/n将包含微小目标的图像输入深度学习目标检测网络后，输出从所述图像中提取出的所述微小目标，其中，所述微小目标的面积小于预设面积；/n将提取出的所述微小目标输入放大深度学习网络，输出放大预设倍数的所述微小目标；/n将放大预设倍数的所述微小目标输入深度学习分类网络，输出所述微小目标的类别。/n

【技术特征摘要】
1.一种微小目标检测方法，其特征在于，包括：
将包含微小目标的图像输入深度学习目标检测网络后，输出从所述图像中提取出的所述微小目标，其中，所述微小目标的面积小于预设面积；
将提取出的所述微小目标输入放大深度学习网络，输出放大预设倍数的所述微小目标；
将放大预设倍数的所述微小目标输入深度学习分类网络，输出所述微小目标的类别。


2.根据权利要求1所述的微小目标检测方法，其特征在于：所述放大深度学习网络的结构由依次连接的微小目标ResNet网络结构块和子像素卷积层组成，其中，所述微小目标ResNet网络结构块由级联预设次数的残差ResNet网络组成，所述残差ResNet网络中的两层权重层替换为稠密DenseNet网络。


3.根据权利要求2所述的微小目标检测方法，其特征在于：所述残差ResNet网络的输出结果Xl＝Hl(Xl-1,wi,bi)+Xl-1，其中，Xl-1表示当前所述残差ResNet网络的输入对象，Hl表示所述稠密DenseNet网络的函数，wi和bi表示所述稠密DenseNet网络的参数。


4.根据权利要求2所述的微小目标检测方法，其特征在于：所述微小目标ResNet网络结构块输出的微小目标特征图Fl-1＝R(Xlr,W,B)，其中，Xlr表示输入所述微小目标ResNet网络结构块的所述微小目标，R表示所述微小目标ResNet网络结构块的非线性函数，W和B表示所述...

【专利技术属性】
技术研发人员：赵欣洋，叶涛，王玄之，崔鹏，杜巍，赵希洋，朱颖，刘亮，
申请(专利权)人：国网宁夏电力有限公司检修公司，
类型：发明
国别省市：宁夏;64