基于图像分块的超分辨率增强小目标检测方法技术

技术编号:34982053 阅读:9 留言:0更新日期:2022-09-21 14:25
本发明专利技术属于目标检测领域,具体涉及一种基于图像分块的超分辨率增强小目标检测方法、系统、设备,旨在解决解决现有的小目标检测方法检测准确率较低的问题。本方法包括:获取待进行小目标检测的场景图像,作为输入图像;计算输入图像分块时标准块的宽高;得到输入图像在水平方向、垂直方向上分块的步长;对输入图像进行填充,并对填充后的输入图像进行分块,得到输入图像分块后各图像块;采用预训练的超分别率模型对得到的各图像块进行图像增强,增强后,输入训练好的目标检测模型,得到输入图像中各图像块中小目标物体对应的矩形区域,并进行回归、非极大值抑制处理,进而得到检测结果。本发明专利技术提高了小目标检测的准确率。本发明专利技术提高了小目标检测的准确率。本发明专利技术提高了小目标检测的准确率。

【技术实现步骤摘要】
基于图像分块的超分辨率增强小目标检测方法


[0001]本专利技术属于目标检测领域,具体涉及一种基于图像分块的超分辨率增强小目标检测方法、系统、设备。

技术介绍

[0002]在计算机视觉任务中,小目标物体检测和语义分割一直是一个公认的难题,相比常规目标检测,小目标的检测准确率往往只有普通目标的50%左右。MS COCO数据集将面积小于32*32的物体或目标相对原图小于10%认为是小物体,且在包罗COCO等公共数据集合,小目标的数目更多,以COCO为例41%比例的小对象、34%比例的中等规格对象 、24% 比例的大型对象,这些数据集也来源于生活中,在实际应用中,摄像头捕捉大量的小目标,通常由于小目标的检测难度较大,这些小目标处理方式往往是不做处理的,这不可避免地损失了关键的信息。在目标检测的许多方面,如机场驱鸟、卫星图像目标检测、汽车零部件检测等方面都涉及小目标检测,由于目前在小目标检测场景没有特别有效的方法,在这些应用场景中,主要以人工干预为主,最终小目标检测的结果不仅准确率低而且耗时耗力,因此为了应对这样高难度的应用场景。基于此,本专利技术提出一种基于图像分块的超分辨率增强小目标检测方法,简单来说在训练阶段采用适当的策略增强训练小目标检测算法模型,预测阶段采用合适比例将图像分块、增强、检测,核心思想是通过图像分块将小目标转化为正常目标大小,并且保证图像块比例接近于目标检测算法标注输入大小,避免因输入图像归一化带来的图像畸变和小目标信息损失,从而达到提升小目标检测的准确率和效率的效果。

技术实现思路

[0003]为了解决现有技术中的上述问题,即为了解决现有的小目标检测方法检测准确率较低的问题,本专利技术第一方面,提出了一种基于图像分块的超分辨率增强小目标检测方法,该方法包括:S100,获取待进行小目标检测的场景图像,作为输入图像;S200,获取预构建的目标检测模型其在训练时训练样本中小目标物体的平均宽高,并结合所述目标检测模型设定输入的宽高,计算所述输入图像分块时标准块的宽高;计算所述输入图像分块时标准块的宽高;其中,、表示训练样本中小目标物体的平均宽、高,、表示所述目标检测模型设定输入的宽、高,、表示所述输入图像分块时标准块的宽、高,表示设定的第一百分比数值;S300,分别根据输入图像分块时标准块的宽减去设定水平方向的重叠值、输入图
像分块时标准块的高减去设定垂直方向的重叠值,得到所述输入图像在水平方向、垂直方向上分块的步长;S400,结合S300得到的输入图像在水平方向、垂直方向上分块的步长,对所述输入图像进行填充,并按照卷积的方式对填充后的输入图像进行分块,得到所述输入图像分块后各图像块及各图像块的起始坐标在所述输入图像中的坐标;S500,采用预训练的超分别率模型对S400得到的各图像块进行图像增强,增强后,输入训练好的目标检测模型,得到所述输入图像中各图像块中小目标物体对应的矩形区域,并进行回归、非极大值抑制处理,进而得到检测结果。
[0004]在一些优选的实施方式中,所述目标检测模型,其训练方法为:A100,获取训练样本,构建训练集;所述训练样本包括场景样本图像及其对应的小目标物体检测结果的真值标签;A200,通过预训练的超分辨率网络对所述场景样本图像进行图像增强,得到第一增强图像;A300,获取所述第一增强图像中各小目标物体所在区域对应的矩形框,并对矩形框在上下左右方向对应的分辨率进行设定百分比的增强,将增强后的第一增强图像作为第二增强图像;A400,将所述第二增强图像输入预构建的目标检测模型,获取所述场景样本图像中各小目标物体的预测检测结果;A500,基于所述预测检测结果、小目标物体检测结果的真值标签,计算损失值,更新所述目标检测模型的模型参数;A600,循环A100

A500,直至得到训练好的目标检测模型。
[0005]在一些优选的实施方式中,对矩形框在上下左右方向对应的分辨率进行设定百分比的增强,将增强后的第一增强图像作为第二增强图像,其方法为:其方法为:其方法为:其方法为:其中,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框左上角坐标,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框的宽、高,、表示第一增强图像的宽、高,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框增强后左上角坐标,、分别表示第一增强图像中各小目标物体
所在区域对应的矩形框增强后的宽、高,、表示设定的第二百分比、第三百分比对应的数值。
[0006]在一些优选的实施方式中,对所述输入图像进行填充,其方法为:其方法为:其中,、表示输入图像的宽、高,、表示输入图像右侧、下侧填充的宽度,、表示输入图像在水平方向、垂直方向上分块的步长。
[0007]在一些优选的实施方式中,按照卷积的方式对填充后的输入图像进行分块,其方法为:法为:其中,、分别表示输入图像在水平方向、竖直方向上分块的块数。
[0008]在一些优选的实施方式中,对输入图像中各图像块中小目标物体对应的矩形区域进行回归处理,其方法为:获取输入图像中各图像块中小目标物体对应的矩形区域的坐标:(,,,),其中,,为输入图像中各图像块中小目标物体对应的矩形区域左上角的横坐标、纵坐标,,为输入图像中各图像块中小目标物体对应的矩形区域的宽、高,表示图像块的编号,1<= <=n*m;对(,,,)进行回归处理,得到回归后的坐标为(,,,):):):
其中,、分别表示输入图像中各图像块中小目标物体对应的矩形区域回归后左上角的横坐标、纵坐标,、分别表示输入图像中各图像块中小目标物体对应的矩形区域回归后的宽、高,N表示输入图像中小目标物体的宽高相对于回归后的小目标物体宽高的缩放比例。
[0009]本专利技术的第二方面,提出了一种基于图像分块的超分辨率增强小目标检测系统,包括:图像获取模块、分块标准尺寸计算模块、分块步长计算模块、图像分块模块、检测结果获取模块;所述图像获取模块,配置为获取待进行小目标检测的场景图像,作为输入图像;所述分块标准尺寸计算模块,配置为获取预构建的目标检测模型其在训练时训练样本中小目标物体的平均宽高,并结合所述目标检测模型设定输入的宽高,计算所述输入图像分块时标准块的宽高;图像分块时标准块的宽高;其中,、表示训练样本中小目标物体的平均宽、高,、表示所述目标检测模型设定输入的宽、高,、表示所述输入图像分块时标准块的宽、高,表示设定的第一百分比数值;所述分块步长计算模块,配置为分别根据输入图像分块时标准块的宽减去设定水平方向的重叠值、输入图像分块时标准块的高减去设定垂直方向的重叠值,得到所述输入图像在水平方向、垂直方向上分块的步长;所述图像分块模块,配置为结合所述分块步长计算模块得到的输入图像在水平方向、垂直方向上分块的步长,对所述输入图像进行填充,并按照卷积的方式对填充后的输入图像进行分块,得到所述输入图像分块后各图像块及各图像块的起始坐标在所述输入图像中的坐标;所述检测结果获取模块,配置为采用预训练的超分别率模型对所述图像分块模块得到的各图像块进行图像增强,增强后,本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于图像分块的超分辨率增强小目标检测方法,其特征在于,该方法包括以下步骤:S100,获取待进行小目标检测的场景图像,作为输入图像;S200,获取预构建的目标检测模型其在训练时训练样本中小目标物体的平均宽高,并结合所述目标检测模型设定输入的宽高,计算所述输入图像分块时标准块的宽高;计算所述输入图像分块时标准块的宽高;其中,、表示训练样本中小目标物体的平均宽、高,、表示所述目标检测模型设定输入的宽、高,、表示所述输入图像分块时标准块的宽、高,表示设定的第一百分比数值;S300,分别根据输入图像分块时标准块的宽减去设定水平方向的重叠值、输入图像分块时标准块的高减去设定垂直方向的重叠值,得到所述输入图像在水平方向、垂直方向上分块的步长;S400,结合S300得到的输入图像在水平方向、垂直方向上分块的步长,对所述输入图像进行填充,并按照卷积的方式对填充后的输入图像进行分块,得到所述输入图像分块后各图像块及各图像块的起始坐标在所述输入图像中的坐标;S500,采用预训练的超分别率模型对S400得到的各图像块进行图像增强,增强后,输入训练好的目标检测模型,得到所述输入图像中各图像块中小目标物体对应的矩形区域,并进行回归、非极大值抑制处理,进而得到检测结果。2.根据权利要求1所述的基于图像分块的超分辨率增强小目标检测方法,其特征在于,所述目标检测模型,其训练方法为:A100,获取训练样本,构建训练集;所述训练样本包括场景样本图像及其对应的小目标物体检测结果的真值标签;A200,通过预训练的超分辨率网络对所述场景样本图像进行图像增强,得到第一增强图像;A300,获取所述第一增强图像中各小目标物体所在区域对应的矩形框,并对矩形框在上下左右方向对应的分辨率进行设定百分比的增强,将增强后的第一增强图像作为第二增强图像;A400,将所述第二增强图像输入预构建的目标检测模型,获取所述场景样本图像中各小目标物体的预测检测结果;A500,基于所述预测检测结果、小目标物体检测结果的真值标签,计算损失值,更新所述目标检测模型的模型参数;A600,循环A100

A500,直至得到训练好的目标检测模型。3.根据权利要求1所述的基于图像分块的超分辨率增强小目标检测方法,其特征在于,对矩形框在上下左右方向对应的分辨率进行设定百分比的增强,将增强后的第一增强图像
作为第二增强图像,其方法为:其方法为:其方法为:其方法为:其中,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框左上角坐标,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框的宽、高,、表示第一增强图像的宽、高,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框增强后左上角坐标,、分别表示第一增强图像中各小目标物体所在区域对应的矩形框增强后的宽、高,、表示设定的第二百分比、第三百分比对应的数值。4.根据权利要求1所述的基于图像分块的超分辨率增强小目标检测方法,其特征在于,对所述输入图像进行填充,其方法为:其方法为:其中,、表示输入图像的宽、高,、表示输入图像右侧、下侧填充的宽度,、表示输入图像在水平方向、垂直方向上分块的步长。5.根据权利...

【专利技术属性】
技术研发人员:杨明浩黄雷
申请(专利权)人:中国科学院自动化研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1