基于超分网络的航拍车辆检测方法、移动终端及存储介质技术

本申请提供了一种基于超分网络的航拍车辆检测方法、移动终端及存储介质，基于超分网络的航拍车辆检测方法包括步骤：构建超分网络Gen以及检测网络Dis，其中超分网络包括生成器G以及边缘信息增强模块E，检测网络Dis包括检测器Det以及判别器DRa；将低分辨率航拍图像LR输入至生成器G，生成高分辨图像ISR；将高分辨图像ISR与对应的真实高分辨图像HR输入至判别器DRa进行判别以训练生成器G；将高分辨图像ISR输入至边缘信息增强模块E，生成超高分辨图像SR；检测器Det对超高分辨图像SR进行车辆检测，并反向传播至超分网络Gen以及判别器DRa。本申请的基于超分网络的航拍车辆检测方法、移动终端及存储介质，解决航拍图像车辆目标遗漏问题。问题。问题。

【技术实现步骤摘要】
基于超分网络的航拍车辆检测方法、移动终端及存储介质


[0001]本申请属于图像识别
，更具体地说，是涉及一种基于超分网络的航拍车辆检测方法。

技术介绍

[0002]航拍是指从空中拍摄地球地貌，获得俯视图，通过航拍可以为实时掌握交通信息。航拍目标检测技术的突破将大大助力交通管控。对促进城市的现代化具有重大的意义。
[0003]在现有技术中，CN202210913619.6专利设计了一种无人机视角下多目标车辆旋转框跟踪方法，该航拍目标检测技术着力于改进模型架构，以期获得检测精度的提升或者达到模型的轻量。但是由于车辆目标小，航拍图像相对普通图像，具有画面中目标小，对于低像素的航拍图像或者由于运动造成画面模糊的航拍图像，在车辆检测过程中存在的目标漏检问题。

技术实现思路

[0004]本申请实施例的目的在于提供一种基于超分网络的航拍车辆检测方法，以解决现有技术对航拍车辆检测过程中存在的目标漏检的技术问题。
[0005]为实现上述目的，本申请采用的技术方案是：提供一种基于超分网络的航拍车辆检测方法，包括步骤：
[0006]构建超分网络Gen以及检测网络Dis，其中超分网络包括生成器G以及边缘信息增强模块E，检测网络Dis包括检测器Det以及判别器DRa；
[0007]将低分辨率航拍图像LR输入至生成器G，生成高分辨图像ISR；
[0008]将高分辨图像ISR与对应的真实高分辨图像HR输入至判别器DRa进行判别以训练生成器G；
[0009]将高分辨图像ISR输入至边缘信息增强模块E，生成超高分辨图像SR；
[0010]检测器Det对超高分辨图像SR进行车辆检测，并反向传播至超分网络Gen以及判别器DRa。
[0011]优选的，将高分辨图像ISR输入至边缘信息增强模块E，生成超高分辨图像SR的方法，包括步骤：
[0012]由拉普拉斯算子提取高分辨图像ISR的边缘信息；
[0013]将边缘信息映射到低维的LR特征空间，提取到特征图；
[0014]对边缘信息进行增强；
[0015]将增强后的边缘信息还原到高维的HR特征空间，生成超高分辨图像SR。
[0016]优选的，对边缘信息进行增强的方法包括步骤：
[0017]构建一组相互作用的RRDB blocks，
[0018]将边缘信息输入至RRDB blocks。
[0019]优选的，对边缘信息进行增强后，还包括步骤：
[0020]学习到边缘mask，并将边缘mask作用到增强后的边缘信息中。
[0021]优选的，检测器Det包括PP
‑
YOLOE模型，PP
‑
YOLOE模型的neck中引入Transformer全局注意力机制以及在回归分支中使用基于向量的DFL。
[0022]优选的，PP
‑
YOLOE模型引入了损失NWDloss。
[0023]优选的，反向传播至超分网络Gen以及判别器DRa的方法，包括步骤：
[0024]检测器Det在迭代时通过模型优化器将使检测损失最小化；
[0025]对检测损失求导；
[0026]依据链式求导法则检测损失将反向传播到超分网络Gen以及判别器DRa中的每一层。
[0027]优选的，低分辨率航拍图像LR由真实高分辨图像HR通过降采样获得。
[0028]本申请还提供一种移动终端，所述移动终端包括处理器，所述处理器用于运行如上所述的基于超分网络的航拍车辆检测方法。
[0029]本申请还提供一种存储介质，所述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如上所述的基于超分网络的航拍车辆检测方法。
[0030]本申请提供的基于超分网络的航拍车辆检测方法、移动终端及存储介质，与现有技术相比，通过引入新的超分网络Gen，让生成器G生成越来越接近真实高分辨图像HR的的高分辨图像ISR的同时，还引入边缘信息增强模块E，通过检测器Det对超高分辨图像SR进行车辆检测，检测器Det一方面用于对检测车辆目标，另一方面还起到与判别器DRa相同的判别功能，将检测结果反向传播至超分网络Gen以及判别器DRa，移除噪声以及加强图像的边缘信息，鼓励生成器G从边缘信息层面产生更真实、更接近真实高分辨图像HR的高分辨图像ISR，去除了高频的边缘信息会对小目标的车辆检测结果带来负面的效果，解决航拍图像车辆目标遗漏问题。
附图说明
[0031]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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仅是本申请的一些实施例，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。
[0032]图1为本申请实施例提供的基于超分网络的航拍车辆检测方法的流程示意图；
[0033]图2为本申请实施例提供的基于超分网络的航拍车辆检测方法的网络结构示意图；
[0034]图3为图2中的边缘信息增强模块E的网络结构示意图；
[0035]图4为本申请实施例提供的移动终端的示意图。
具体实施方式
[0036]为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0037]需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另
一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
[0038]需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
[0039]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0040]请一并参阅图1至图2，现对本申请实施例提供的基于超分网络的航拍车辆检测方法进行说明。所述基于超分网络的航拍车辆检测方法，包括步骤：
[0041]步骤S1，构建超分网络Gen以及检测网络Dis，其中超分网络包括生成器G以及边缘信息增强模块E，检测网络Dis包括检测器Det以及判别器DRa；
[0042]步骤S2，将低分辨率航拍图像LR输入至生成器G，生成高分辨图像ISR；
[0043]步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超分网络的航拍车辆检测方法，其特征在于，包括步骤：构建超分网络Gen以及检测网络Dis，其中超分网络包括生成器G以及边缘信息增强模块E，检测网络Dis包括检测器Det以及判别器DRa；将低分辨率航拍图像LR输入至生成器G，生成高分辨图像ISR；将高分辨图像ISR与对应的真实高分辨图像HR输入至判别器DRa进行判别以训练生成器G；将高分辨图像ISR输入至边缘信息增强模块E，生成超高分辨图像SR；检测器Det对超高分辨图像SR进行车辆检测，并反向传播至超分网络Gen以及判别器DRa。2.如权利要求1所述的基于超分网络的航拍车辆检测方法，其特征在于，将高分辨图像ISR输入至边缘信息增强模块E，生成超高分辨图像SR的方法，包括步骤：由拉普拉斯算子提取高分辨图像ISR的边缘信息；将边缘信息映射到低维的LR特征空间，提取到特征图；对边缘信息进行增强；将增强后的边缘信息还原到高维的HR特征空间，生成超高分辨图像SR。3.如权利要求2所述的基于超分网络的航拍车辆检测方法，其特征在于，对边缘信息进行增强的方法包括步骤：构建一组相互作用的RRDB blocks，将边缘信息输入至RRDB blocks。4.如权利要求3所述的基于超分网络的航拍车辆检测方法，其特征在于，对边缘信息进行增强后，还包括步骤：学习到边缘mask，并将边缘m...

【专利技术属性】
技术研发人员：胡玲静，李球，李晓凯，林森，曹林根，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：