【技术实现步骤摘要】
图像中小目标检测方法、装置、计算机设备及存储介质
[0001]本专利技术涉及目标检测领域,尤其涉及一种图像中小目标检测方法、装置、计算机设备及存储介质。
技术介绍
[0002]目标检测是计算机视觉领域的最关键任务之一,也是许多其他计算机视觉任务的基础,其目的是对给定的图像或视频中所有感兴趣的对象进行分类和定位。
[0003]近年来,在深度学习技术的推动下,目标检测取得突破性进展,涌现出诸多性能优良的算法。如基于卷积神经网络(Convolutional Neural Network,CNN)的算法,CNN算法主要包括单阶段和两阶段目标检测算法。但在处理图像具有几个或者几十个像素的小目标时,由于CNN中的下采样操作易过滤掉小目标的像素,使得小目标的信息丢失严重,从而导致CNN对小目标进行检测时,存在精度低的问题。
[0004]因此,现有方式对图像中小目标进行检测时存在精度低的技术问题。
技术实现思路
[0005]本专利技术实施例提供一种图像中小目标检测方法、装置、计算机设备和存储介质,以提高对图像中小目标进行检测时的检测精度。
[0006]为了解决上述技术问题,本申请实施例提供一种图像中小目标检测方法,包括:
[0007]获取待检测图像,并将所述待检测图像输入预训练好的超分辨模型中,确定所述待检测图像对应的高分辨特征,其中,所述超分辨模型是基于第一特征提取网络和条件变分自编码网络构建的,所述条件变分自编码网络用于提取所述待检测图像对应的高分辨率特征,所述高分辨率特征包括至少 ...
【技术保护点】
【技术特征摘要】
1.一种图像中小目标检测方法,其特征在于,所述图像中小目标检测方法包括:获取待检测图像,并将所述待检测图像输入预训练好的超分辨模型中,确定所述待检测图像对应的高分辨特征,其中,所述超分辨模型是基于第一特征提取网络和条件变分自编码网络构建的,所述条件变分自编码网络用于提取所述待检测图像对应的高分辨率特征,所述高分辨率特征包括至少两个不同尺寸的特征图;基于第二特征提取网络,对所述待检测图像进行特征提取,并根据提取到的所有特征构建初始特征金字塔,其中,所述初始特征金字塔包括至少一个特征图,所述高分辨特征中的特征图与所述初始特征金字塔中的特征图在尺寸上存在一对一的关系;将所述初始特征金字塔和所述高分辨特征中相同尺寸的特征图分别执行融合处理,并根据得到的所有融合结果确定融合特征金字塔;基于所述融合特征金字塔,对所述待检测图像进行小目标检测,确定检测结果。2.如权利要求1所述的图像中小目标检测方法,其特征在于,所述获取待检测图像,并将所述待检测图像输入预训练好的超分辨模型中,确定所述待检测图像对应的高分辨特征的步骤包括:获取待检测图像;基于无参考图像质量评价算法对所述待检测图像进行质量评分,得到评分结果;基于所述评分结果,确定所述待检测图像的图像质量类型;将所述待检测图像和所述待检测图像的图像质量类型输入预训练好的超分辨模型中;采用所述超分辨模型的第一特征提取网络,对所述待检测图像进行特征提取,得到图像特征;基于所述图像特征、所述待检测图像和所述待检测图像的图像质量类型,采用所述超分辨模型中的条件变分自编码网络进行高分辨特征计算,确定所述待检测图像对应的高分辨特征。3.如权利要求2所述的图像中小目标检测方法,其特征在于,所述基于所述图像特征、所述待检测图像和所述待检测图像的图像质量类型,采用所述超分辨模型中的条件变分自编码网络进行高分辨特征计算,确定所述待检测图像对应的高分辨特征的步骤包括:采用所述条件变分自编码网络的编码器,对所述图像特征和所述待检测图像进行均值计算,得到均值结果;采用所述条件变分自编码网络的编码器,对所述图像特征和所述待检测图像进行方差计算,得到方差结果;基于所述均值结果和所述方差结果,确定隐变量;将所述隐变量、所述图像特征和所述待检测图像的图像质量类型作为所述条件变分自编码网络的解码器的输入,并基于所述条件变分自编码网络的解码器进行高分辨特征计算,确定所述待检测图像对应的高分辨特征。4.如权利要求1所述的图像中小目标检测方法,其特征在于,所述将所述初始特征金字塔和所述高分辨特征中相同尺寸的特征图分别执行融合处理,并根据得到的所有融合结果确定融合特征金字塔的步骤包括:按照特征图尺寸从大到小的顺序,依次将从所述初始特征金字塔中选取出的特征图作为当前金字塔特征图;
若所述当前金字塔特征图为尺寸最大的特征图时,则对所述当前金字塔特征图进行降维和卷积处理,得到所述当前金字塔特征图对应的融合特征图;对所述当前金字塔特征图进行上采样处理,确定当前上采样特征图;若所述当前金字塔特征图不为尺寸最大的特征图时,则对所述当前金字塔特征图进行降维处理,得到当前降维特征图;对所述当前降维特征图、所述当前上采样特征图和所述高分辨特征中相同尺寸的特征图进行融合和卷积处理,得到所述当前金字塔特征图对应的融合特征图;当所述初始特征金字塔中的特征图未选取完毕,...
【专利技术属性】
技术研发人员:陈晓红,杨俊丰,胡东滨,徐雪松,曹文治,张震,马涛,
申请(专利权)人:湖南红普创新科技发展有限公司,
类型:发明
国别省市:
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。