一种细粒度导向的小目标检测方法技术

本发明专利技术提供了一种细粒度导向的小目标检测方法，包括以下步骤：预处理小目标检测数据集，利用滑动窗口对训练图像进行裁剪；根据标注框位置信息，生成分割分支伪标签；对裁剪后的小目标图像做数据增强，再分别输入特征提取网络模型；将输出的特征矩阵输入到小目标检测分支和分割分支；小目标检测分支和分割分支并行训练、独立优化；直至特征提取网络模型收敛，训练阶段结束；测试阶段，移除分割分支，分割分支不参与模型推理过程。本发明专利技术在网络训练过程中，新增分割分支，引导特征提取网络对于输入图像细粒度特征的学习，并设计分割分支伪标签，消除背景噪音的影响，且在不增加模型推理计算代价的前提下针对性地提高模型对小目标检测能力。检测能力。检测能力。

【技术实现步骤摘要】
一种细粒度导向的小目标检测方法


[0001]本专利技术属于神经网络
，特别涉及一种细粒度导向的小目标检测方法。

技术介绍

[0002]水上搜救包括船只打捞、救助遇险船舶、救助遇险人员等。相比于通用物体检测任务，海面和海岸场景下的小目标检测任务对细粒度特征要求更高。通用目标检测任务处理的图像分辨率较低，且目标尺寸普遍大于32
×
32像素，而海面和海岸场景下的小目标检测任务需要处理的图像分辨率较高，且小目标尺寸普遍处于2
×
2到32
×
32 像素区间，通用目标检测模型的最优参数对于小目标检测来说并不适用，无法直接应用于小目标检测，模型迁移跨度大。
[0003]主流目标检测模型从检测基础上划分，可以分为基于锚点的检测模型和不基于锚点的检测模型。锚点可以理解为人为设定的候选框。基于锚点的检测模型，即在人为设定的候选框的基础上，进行边界优化和分类，最具代表性的检测模型包括 Faster RCNN和SSD，一经发表即占据了目标检测研究领域的主导地位，后续的大部分研究都是在这两项研究的基础上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种细粒度导向的小目标检测方法，其特征在于：包括以下步骤：步骤1：预处理小目标检测数据集，利用滑动窗口对数据集中的训练图像进行裁剪；步骤2：根据数据集的标注框位置信息，生成分割分支伪标签；步骤3：对裁剪后的小目标图像做数据增强，再分别输入特征提取网络模型；步骤4：将特征提取网络模型输出的特征矩阵输入到小目标检测分支和分割分支；步骤5：小目标检测分支和分割分支并行训练、独立优化；其中，小目标检测分支：前向传播阶段，小目标检测分支输出小目标所在区域的检测框；小目标检测分支损失层梯度反向传播，更新参数，优化检测框位置；分割分支：前向传播阶段，分割分支预测每个像素点处于小目标所在区域内部的概率；分割分支损失层梯度反向传播，引导特征提取网络模型学习细粒度特征；步骤6：重复步骤3
‑
步骤5，直至特征提取网络模型收敛，训练阶段结束；步骤7：测试阶段，移除分割分支，分割分支不参与模型推理过程。2.如权利要求1所述的一种细粒度导向的小目标检测方法，其特征在于：步骤2中，分割分支伪标签的生成策略为：以标注框重心为中心点，设置从中心点向标注框边缘辐射，辐射范围内的像素点为正样本。3.如权利要求2所述的一种细粒度导向的小目标检测方法，其特征在于：辐射范围为：以标注框重心为中心点，长轴为标注框长边...

【专利技术属性】
技术研发人员：王恺，王胤哲，盛晓颖，李涛，
申请(专利权)人：南开大学，
类型：发明
国别省市：