基于无人机巡检场景下小目标检测数据增强方法及系统技术方案

本申请公开了一种基于无人机巡检场景下小目标检测数据增强方法，该方法包括：制作小目标样本数据集;获取小目标图像样本集对应的6张子图；将任意一个子图拼接，生成一个大小为子图大小两倍的增广目标图，随机抽取6张子图中的对应位置的像素作为拼图像素，完成子图拼接，子图拼接组成的新图记作小目标增强图；小目标增强图粘贴。本申请提供的上述方法，实现了对小目标图像的增强，同时通过网格的方式粘贴小目标可以使得小目标样本分布更均匀，通过几个参数的调整即可控制单张图像上小目标的样本数量，最终实现了对无人机巡检场景下小目标的增强，提高小目标的检测效果。提高小目标的检测效果。提高小目标的检测效果。

【技术实现步骤摘要】
基于无人机巡检场景下小目标检测数据增强方法及系统


[0001]本专利技术涉及深度学习和无人机应用
，具体涉及一种基于无人机巡检场景下小目标检测数据增强方法及系统。

技术介绍

[0002]近年来，无人机逐渐代替人工进行巡检，这不仅可以摆脱生产工作对人力的依赖，减少用工支出和成本，同时还能提升巡检工作的准确性和效率，保障作业的安全。无人机巡检过程中搭载相机对地面环境进行拍摄，通过图传将数据传回服务器端或者使用机载嵌入式设备进行目标检测，对异常目标进行告警。
[0003]小目标检测是图像中像素占比少的目标，尺寸较小，深度网络能够提取到的特征信息十分有限，小目标在图像中的轮廓、纹理和形状等特征往往不明显。与目前应用较为成熟的大尺度、中尺度目标检测不同，小目标自身存在着语义信息少、覆盖面积小等先天不足，导致小目标的检测效果并不理想。一般常见的小目标检测思路主要从数据增强、提高输入特征图尺寸、更强的主干网络、多尺度特征融合等方面进行提高。
[0004]然而，在电力、油气方面无人机巡检一般飞行较高，拍摄到的地面目标较小，容易造成目标的漏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机巡检场景下小目标检测数据增强方法，其特征在于，该方法包括：步骤S1：制作小目标样本数据集，对人工标注过的数据集，依次筛选出宽或高小于40像素的目标，扩充预设边界后剪裁的区域图像作为小目标图像样本集；步骤S2：获取小目标图像样本集对应的6张子图；步骤S3：将任意一个子图拼接，生成一个大小为子图大小两倍的增广目标图，随机抽取6张子图中的对应位置的像素作为拼图像素，完成子图拼接，子图拼接组成的新图记作小目标增强图；步骤S4：小目标增强图粘贴。2.根据权利要求1所述的基于无人机巡检场景下小目标检测数据增强方法，其特征在于，所述对人工标注过的数据集，依次筛选出宽或高小于40像素的目标，包括：将人工标注过的数据集定义为(cls，x1，y1，x2，y2)，其中，cls为目标类别，(x1，y1)为目标左上点，(x2，y2)为目标右下点；根据公式(x2‑
x1)＜thor(y2‑
y1)＜th判断对应数据集是否为小目标，其中，th为小目标的阈值，这里取40。3.根据权利要求1所述的基于无人机巡检场景下小目标检测数据增强方法，其特征在于，所述步骤S2包括：S2
‑
1：对小目标图像进行filter＝N*N、stride＝N的最大池化操作，获得第一张子图，其中N≥2S2
‑
2：对小目标图像进行filter＝N*N、stride＝N的平均池化操作，获得第二张子图；S2
‑
3：分别以(0，0)、(0，1)、(1，0)、(1，1)四个像素位置为起点，行列方向每隔一个像素对小目标图像进行等间隔采样，获得对应的其它四张子图。4.根据权利要求3所述的基于无人机巡检场景下小目标检测数据增强方法，其特征在于，包括：S2
‑
1：对小目标图像进行filter＝2*2、stride＝2的最大池化操作，获得第一张子图；S2
‑
2：对小目标图像进行filter＝2*2、stride＝2的平均池化操作，获得第二张子图。5.根据权利要求1所述的基于无人机巡检场景下小目标检测数据增强方法，其特征在于，记增广的目标图像为图像A、已人工标注过的数据集中任意一张图为图像B，所述步骤S4包括：S4
‑
1：将图像B划分为m*n的网格；S4
‑
2：依次遍历每个网格，在网格中随机一个点作为图像A的中心点；S4
‑
3：判断图像A在图像B中的外接矩形是否与图像B中已有目标区域有重叠，若有重叠，则继续执行步骤S4
‑
2；若外接矩形有部分在图像B外，则继续执行步骤S4
‑
2；若无重叠则执行下一步骤；S4
‑
4：将图像A粘贴在随机点为...

【专利技术属性】
技术研发人员：张静波，董玉新，唐增辉，刘开心，
申请(专利权)人：西安因诺航空科技有限公司，
类型：发明
国别省市：