【技术实现步骤摘要】
一种无锚框的轻量化小目标检测方法
[0001]本专利技术涉及一种遥感图像目标检测领域,特别是一种无锚框的轻量化小目标检测方法
。
技术介绍
[0002]近年来,深度卷积神经网络
(CNN)
模型得到了迅速发展,许多方法将其用于小目标检测,这些方法大多使用预设锚盒进行目标分类和边界盒坐标回归
。
然而,将这些方法应用于边缘设备部署面临着重大挑战
。
首先,小目标在图像中检测和识别尺寸较小
、
面积较小,锚框的尺寸设计对有锚框检测器的检测精度和效率有很大影响
。
其次,基于锚框的目标检测模型在生成锚框时在背景当中进行大量的不必要计算,运行在硬件资源充足的环境中可以满足模型要求
。
因此,现有的技术存在着检测精度较低以及检测效率不高的问题
。
技术实现思路
[0003]本专利技术的目的在于,提供一种无锚框的轻量化小目标检测方法
。
本专利技术具有能够有效提高检测精度和检测效率的特点
。
[0004]本专利技术的技术方案:一种无锚框的轻量化小目标检测方法,包括以下步骤:
[0005]1)
获取待检测的图像;
[0006]2)
将图像分为训练集和验证集,对训练集中的图像进行预处理,得到预处理后图像;
[0007]3)
构建轻量化目标检测网络,通过轻量化目标检测网络对预处理后图像进行特征提取
、
融合和预测,
【技术保护点】
【技术特征摘要】
1.
一种无锚框的轻量化小目标检测方法,其特征在于,包括以下步骤:
1)
获取待检测的图像;
2)
将图像分为训练集和验证集,对训练集中的图像进行预处理,得到预处理后图像;
3)
构建轻量化目标检测网络,通过轻量化目标检测网络对预处理后图像进行特征提取
、
融合和预测,确定边界框;
4)
在轻量化目标检测网络中输入验证集的图像,得到具有检测框的图像;所述轻量化目标检测网络包括特征提取网络
、
特征融合单元和轻量化无锚框检测头;所述特征融合单元采用采用跨维交互特征平衡金字塔方法,通过特征金字塔的聚合和平均来平衡不同层次的语义信息,用于建立小目标物体与背景之间的关系
。2.
根据权利要求1所述的一种无锚框的轻量化小目标检测方法,其特征在于,所述特征提取网络采用部分卷积方式建立部分卷积模型,部分卷积模型通过对部分输入通道进行常规卷积提取空间特征,同时保持其余通道不变;输出部分卷积模型最后三个阶段的多级特征映射
C3、C4
和
C5
,作为最终的多尺度特征图
。3.
根据权利要求2所述的一种无锚框的轻量化小目标检测方法,其特征在于,特征融合单元采用自顶向下的路径融合多级特征映射
C3、C4
和
C5
,生成
P3、P4
和
P5
;随后,调整
P3
和
P5
的大小以匹配
【专利技术属性】
技术研发人员:陈国强,叶飞,程文明,魏振兴,唐长华,张国财,
申请(专利权)人:浙江航天润博测控技术有限公司,
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。