图像中小目标检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及目标检测领域，公开了一种图像中小目标检测方法、装置、计算机设备及存储介质，所述方法包括：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；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；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，采用本发明专利技术提高对图像中小目标进行检测时的检测精度。目标进行检测时的检测精度。目标进行检测时的检测精度。

【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两个不同尺寸的特征图；
[0008]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；
[0009]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；
[0010]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。
[0011]为了解决上述技术问题，本申请实施例还提供一种图像中小目标检测装置，包括：
[0012]高分辨特征确定模块，用于获取待检测图像，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；
[0013]初始特征金字塔构建模块，用于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；
[0014]融合模块，用于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；
[0015]目标检测模块，用于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。
[0016]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述图像中小目标检测方法的步骤。
[0017]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述图像中小目标检测方法的步骤。
[0018]本专利技术实施例提供的图像中小目标检测方法、装置、计算机设备及存储介质，通过获取待检测图像，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；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；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，通过在特征金字塔中融入高分辨率特征，可以有效达到增强小目标信息的目的，进而提高对图像中小目标进行检测时的检测精度。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅5仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本申请可以应用于其中的示例性系统架构图；
[0021]图2是本申请的图像中小目标检测方法的一个实施例的流程图；
[0022]图3是本申请的图像中超分辨模型和特征金字塔的一个实施例的流程图；图4是根据本申请的图像中小目标检测装置的一个实施例的结构示意图；
[0023]图5是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
[0024]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技5术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述
[0025]附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺0序。
[0026]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]请参阅图1，如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0029]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。
[0030]终端设备101、102、103可以是具有显本文档来自技高网...

【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：