一种基于背景对比的轻量化小目标特征增强方法及装置制造方法及图纸

本发明专利技术提供了一种基于背景对比的轻量化小目标特征增强方法及装置，通过特征增强模块对浅层特征图进行增强，在保持较低参数量的同时，扩大了感受野

【技术实现步骤摘要】
一种基于背景对比的轻量化小目标特征增强方法及装置


[0001]本专利技术属于小目标检测
，具体涉及一种基于背景对比的轻量化小目标特征增强方法及装置
。

技术介绍

[0002]目标检测的目的是利用自动识别技术，将图像或视频中的特定对象的位置准确地标记出来
。
传统目标检测方法在实际应用中，面临着计算复杂度高
、
模型体积大
、
运行速度慢等问题，尤其是在移动设备
、
嵌入式系统或资源有限的场景下，其性能和效率受到限制，尤其是小目标检测任务时，面临着诸多挑战
。
[0003]由于小目标通常在图像中只占据很少的像素，因此具有较低的空间分辨率，这使得小目标的细节信息有限，可能导致现有检测方案无法准确地检测或分类小目标
。
小目标与周围背景之间的对比度通常较低，使其在图像中难以分辨，这种低对比度可以导致现有检测方案难以正确识别目标
。
小目标可能会被其他物体
、
遮挡物或噪声部分遮挡，这增加了检测的复杂性
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于背景对比的轻量化小目标特征增强方法，其特征在于，包括：
S100
，获取含有小目标的待增强图像，并对所述待增强图像进行特征提取得到浅层特征图；
S200
，将所述浅层特征图输入至已构建的特征增强模块中，执行提取所述浅层特征图的通道权重参数的操作以及对所述浅层特征图进行多次膨胀卷积的操作得到背景特征图；利用所述通道权重参数对所述背景特征图进行权重分配，并联合所述浅层特征图得到所述增强特征图
。2.
根据权利要求1所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述特征增强模块包括通道注意力机制模块
、
三层通道膨胀卷积层
、
一个求和层
、
一个权重分配层
、
一个拼接层和一个输出卷积层；其中，所述浅层特征图输入至第一个膨胀卷积层
、
所述拼接层以及所述通道注意力机制模块；所述通道注意力机制模块输出的通道权重参数至所述权重分配层；第一个通道膨胀卷积层输出的第一膨胀特征图输入至第二个通道膨胀卷积层以及所述求和层；第二个通道膨胀卷积层输出的第二膨胀特征图输入至第三个通道膨胀卷积层以及所述求和层；第三个通道膨胀卷积层输出的第三膨胀特征图输入至所述求和层；所述求和层输出的特征图输入至所述权重分配层；所述权重分配层输出强化后的特征图至所述拼接层，所述拼接层输出拼接后的图像至所述输出卷积层，所述输出卷积层输出所述增强特征图
。3.
根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，
S200
包括：
S210
，将所述浅层特征图通过全局平均池化和一维卷积得到各个通道的通道权重参数；
S220
，通过第一个通道膨胀卷积层得到第一膨胀特征图，通过第二个通道膨胀卷积层得到第二膨胀特征图以及通过第三个通道膨胀卷积层得到第三膨胀特征图；
S230
，通过求和层将第一膨胀特征图
、
第二膨胀特征图以及第三膨胀特征图相加得到背景特征图；
S240
，通过所述增强层将所述背景特征图与通道权重参数相乘得到新的特征图；
S250
，通过所述拼接层将所述背景特征图与所述浅层特征图进行拼接得到拼接特征图；
S260
，通过输出卷积层对拼接特征图作通道交互得到所述增强特征图
。4.
根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述三层通道膨胀卷积层的膨胀率分别为
1、2、3。5.
根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述通道权重参数表示为：
ω
＝
σ
(C1D(AG(X)))(1)
；其中，
σ
表示
sigmoid
函数，
C1D
表示一维卷积，
AG
表示全局平均池化，
X
...

【专利技术属性】
技术研发人员：赖睿，刘博成，石汉钦，官俊涛，
申请(专利权)人：西安电子科技大学重庆集成电路创新研究院，
类型：发明
国别省市：