面向无人机航拍图像的前景增强端到端小目标检测方法技术

本发明专利技术提出一种面向无人机航拍图像的前景增强端到端小目标检测方法，包括，将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中，得到不同尺寸的特征图；在特征图后添加FPN特征金字塔结构，进行多尺度特征的融合，得到融合后的多尺度特征图；将多尺度特征图输入单阶段检测头中，得到粗糙检测结果，从粗糙检测结果中获得前景图；将前景图通过一层卷积得到前景增强的多尺度特征图；将前景增强的多尺度特征图再次输入单阶段检测头中，得到精细检测框；使用动态软权重的冗余检测框抑制算法，将精细检测框中相同目标的多余冗余框进行消除，得到最终的检测结果。本发明专利技术提出的方法，对局部目标密集和全局前景稀疏的无人机航拍场景，具备良好的检测效果。

【技术实现步骤摘要】

本专利技术属于计算机视觉目标检测，具体涉及一种面向无人机航拍图像的前景增强端到端小目标检测方法。

技术介绍

1、无人机产业迅速发展，在工业、农业、军事等行业都发挥着重要作用。无人机航拍的画面能提供地面拍摄所不能给予的信息。随着消费级无人机的普及，对无人机拍摄到的图像进行目标检测任务逐渐成为了一个热门的研究方向。目前无人机航拍场景下小目标检测方法主要存在以下两种问题：(1)无人机常常位于较高的位置进行拍摄，因此无人机图像的一个显著特点是存在大量的小尺寸目标；(2)虽然无人机高清摄像头能拍摄高分辨率图像，但其中要检测的前景目标(行人，自行车，小汽车等)的占比非常少且分布不均匀，大部分区域为不包含任何目标的背景区域，这给目标检测带来巨大挑战。

2、尽管在自然图像上的目标检测，如pascal voc和ms coco已取得了一定进展，但在无人机图像上的性能仍不尽如人意。如前所述，小目标的高占比和高图像分辨率使其更具挑战性。受通用目标检测中区域搜索策略的启发，目前大多数无人机检测研究均采用从粗到细的框架来解决以上问题。该框架连续采用简单的无监督选择策略或粗本文档来自技高网...

【技术保护点】

1.一种面向无人机航拍图像的前景增强端到端小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中之前，还包括对所述图像进行预处理：

3.根据权利要求1所述的方法，其特征在于，所述将所述前景图通过一层卷积得到前景增强的多尺度特征图，包括：

4.根据权利要求1所述的方法，其特征在于，所述使用动态软权重的冗余检测框抑制算法，将所述精细检测框中相同目标的多余冗余框进行消除，包括：

5.一种面向无人机航拍图像的前景增强端到端小目标检测装置，其特征在于，包...

【技术特征摘要】

1.一种面向无人机航拍图像的前景增强端到端小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在将无人机拍摄的图像输入轻量化的骨干网络shufflenetv2中之前，还包括对所述图像进行预处理：

3.根据权利要求1所述的方法，其特征在于，所述将所述前景图通过一层卷积得到前景增强的多尺度特征图，包括：

4.根据权利要求1所述的方法，其特征在于，所述使用动态软权重的冗余检测框抑制算法，将所述精细检测框中相同目标的多余冗余框进行消除，包括：

5.一种面向无人机航拍图像的前景增强端到端小目标检测装置，其特征在于，包括以下...

【专利技术属性】
技术研发人员：欧中洪，王世耿，尧思远，张洪星，暴浩彤，王兆丰年，宋美娜，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：