一种小目标物体检测方法技术

本发明专利技术公开的小目标物体检测方法，涉及计算机技术领域，利用每一次卷积和下采样过程中采集到的特征图像，将每一次的特征与下一次下采样输出的特征进行叠加，实现了利用丢失信息少的大尺寸特征图像预测小目标物体，用经过多次卷积获得的语义信息更抽象的小尺寸特征图像来预测大目标物体，提高了预测结果的精确度。

【技术实现步骤摘要】
一种小目标物体检测方法
本专利技术涉及计算机
，具体涉及一种小目标物体检测方法。
技术介绍
对于菌落等小目标物体的检测，传统的方案为先在培养皿上面培养菌落，然后采用人眼观察并以黑色记号笔在培养皿上面做记号并计数。整个过程工作量大、枯燥繁琐且重复性劳动比较多且由于其中很多菌落都是非常细小的，使得在计数过程中人眼非常容易看花眼，需要不断聚集精神地看，容易陷入疲劳，导致效率低，人工成本高。为了提高效率、降低人工成本，当前对小目标物体的检测主要通过卷积神经网络模型对原始图像进行卷积和池化操作，获得不同尺寸的特征图像，预测最后一层的特征图像，忽略了其他层的特征图像，精确度不高。
技术实现思路
为解决现有技术的不足，本专利技术实施例提供了一种小目标物体检测方法，该方法包括以下步骤：S1利用卷积神经网络模型对小目标物体所在的原始图像连续多次进行下采样，得到多个特征图像；S2卷积神经网络模型根据下采样的时间先后顺序，对所述多个特征图像进行排序，得到特征图像组；S3卷积神经网络模型选取该特征图像组中处于最后的n张本文档来自技高网...

【技术保护点】
1.一种小目标物体检测方法，其特征在于，包括：/nS1对小目标物体所在的原始图像连续多次进行下采样，得到多个特征图像；/nS2根据下采样的时间先后顺序，对所述多个特征图像进行排序，得到特征图像组；/nS3选取所述特征图像组中处于最后的n张特征图像，根据尺寸大小顺序，将所述n张特征图像依次记为C

【技术特征摘要】
1.一种小目标物体检测方法，其特征在于，包括：
S1对小目标物体所在的原始图像连续多次进行下采样，得到多个特征图像；
S2根据下采样的时间先后顺序，对所述多个特征图像进行排序，得到特征图像组；
S3选取所述特征图像组中处于最后的n张特征图像，根据尺寸大小顺序，将所述n张特征图像依次记为C1、C2、C3…Cn；
S4对特征图像Cn进行1*1进行卷积操作，得到特征图像Mn；
S5对特征图像进行Mn上采样，得到尺寸与特征图像C4一致的特征图像Mn-；
S6对特征图像Cn-1进行1*1进行卷积操作，得到特征图像Cn-1-；
S7将特征图像Mn-与特征图像Cn-1-进行叠加，得到特征图像Mn-1；
S8重复步骤S6-S7，得到特征图像Mn-2…特征图像M2、特征图像M1；
S9分别对特征图像M1、特征图像M2、特征图像M3…特征图像Mn-1、...

【专利技术属性】
技术研发人员：崔绮嫦，王斌，罗桂莲，郑少锋，何南坚，李伟才，黄慧宇，王文，余娟，毕兴忠，王军，
申请(专利权)人：佛山中纺联检验技术服务有限公司，广州冠图视觉科技有限公司，
类型：发明
国别省市：广东;44