【技术实现步骤摘要】
小目标的检测方法、装置、存储介质及设备
本申请实施例涉及图像处理
，特别涉及一种小目标的检测方法、装置、存储介质及设备。
技术介绍
目标检测是指在给定的一张图像中精确找到目标对象所在的位置，并标注出目标对象的类别。在实际图像中，由于目标对象的尺寸变化范围很大，且目标对象的摆放角度、姿态、在图像中的位置都不一样，目标对象之间可能还有重叠现象，这使得目标检测的难度变得很大。图像中的小目标对象由于所占像素较少，导致神经网络模型无法准确学习到小目标对象的特征，使得小目标对象的检测效果比中目标对象或大目标对象的效果差很多，因此，针对小目标对象的检测是目标检测的瓶颈之一。相关技术中，可以采用特征融合的方式来进行小目标的检测。以采用特征金字塔网络进行特征融合为例，如图1所示，特征金字塔网络中包括五个卷积层、五个预测,和检测网络，以从下往上的顺序依次将五个卷积层表示为L1-L5，以从上往下的顺序依次将五个预测层表示为P5-P1，将图像输入第一个卷积层L1后，第一个卷积层L1对图像进行卷积运算后得到第一卷积结果，将第一卷积结果分...
【技术保护点】
1.一种小目标的检测方法，其特征在于，用于神经网络模型中，所述神经网络模型中包括改进特征金字塔网络和检测网络，所述改进特征金字塔网络中包括n个卷积层、n个预测层和一个临时层，n≥3，所述方法包括：/n获取待检测的图像，所述图像中包含至少一个小目标对象，所述小目标对象是像素面积小于预定面积的目标对象；/n所述n个卷积层对所述图像进行卷积运算，依次得到n个卷积结果；/n所述n个预测层中的前n-1个预测层对对应的卷积结果进行预定运算，依次得到n-1个预测结果；/n所述临时层根据所述n-1个预测结果中的后m个预测结果进行预定运算，得到临时结果，m≥2；/n所述n个预测层中的第n个预...
【技术特征摘要】
1.一种小目标的检测方法，其特征在于，用于神经网络模型中，所述神经网络模型中包括改进特征金字塔网络和检测网络，所述改进特征金字塔网络中包括n个卷积层、n个预测层和一个临时层，n≥3，所述方法包括：
获取待检测的图像，所述图像中包含至少一个小目标对象，所述小目标对象是像素面积小于预定面积的目标对象；
所述n个卷积层对所述图像进行卷积运算，依次得到n个卷积结果；
所述n个预测层中的前n-1个预测层对对应的卷积结果进行预定运算，依次得到n-1个预测结果；
所述临时层根据所述n-1个预测结果中的后m个预测结果进行预定运算，得到临时结果，m≥2；
所述n个预测层中的第n个预测层对对应的卷积结果和所述临时结果进行预定运算，得到第n个预测结果；
所述检测网络根据n个预测结果检测所述小目标对象。
2.根据权利要求1所述的方法，其特征在于，当m为2时，所述临时层根据所述n-1个预测结果中的后m个预测结果进行预定运算，得到临时结果，包括：
所述临时层对第n-1个预测结果进行上采样，得到第n-1个采样结果；
所述临时层将所述第n-1个采样结果与第n-2个预测结果相加，得到所述临时结果。
3.根据权利要求1所述的方法，其特征在于，所述n个预测层中的第n个预测层对对应的卷积结果和所述临时结果进行预定运算，得到第n个预测结果，包括：
所述n个预测层中的第n个预测层对所述临时结果进行上采样，得到第n个采样结果；
所述第n个预测层将所述第n个采样结果与第一个卷积结果相加，得到所述第n个预测结果。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述n个卷积层对所述图像进行卷积运算，依次得到n个卷积结果，包括：
所述n个卷积层中的第一个卷积层对所述图像进行卷积运算，得到第一个卷积结果；
所述n个卷积层中的第i个卷积层对第i-1个卷积结果进行卷积运算，得到第i个卷积结果，2≤i≤n。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述n个预测层中的前n-1个预测层对对应的卷积结果进行预定运算，依次得到n-1个预测结果，包括：
所述n个预测层中的第一个预测层对第n个卷积结果进行卷积运算，得到第一个预测结果；
所述n个预测层中的...
【专利技术属性】
技术研发人员：王堃，
申请(专利权)人：江苏禹空间科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。