一种基于多尺度融合的野外小目标检测方法技术

本发明专利技术涉及一种基于多尺度融合的野外小目标检测方法，包括：接收野外可见光图像，并对所述野外可见光图像进行对比度增强处理；将对比度增强处理后的野外可见光图像输入至多尺度融合小目标检测模型，得到目标检测结果；其中，多尺度融合小目标检测模型包括：骨干网络部分，用于从对比度增强处理后的野外可见光图像中提取出多尺度特征和包含局部特征和全局特征的深度特征信息；颈部网络部分，用于将提取到的多尺度特征和包含局部特征和全局特征的深度特征信息进行多尺度融合，并在融合时保留小目标的特征；头部网络部分，用于根据多尺度融合后的特征信息预测目标类别集坐标位置，得到目标检测结果。本发明专利技术能够有效提高小目标检测的抗干扰能力。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，特别是涉及一种基于多尺度融合的野外小目标检测方法。

技术介绍

1、目标检测是计算机视觉里最常见的挑战之一，是解决图片分割、目标跟踪、图像描述、事件检测和场景理解等更高层次视觉任务的基础，是许多高清监测任务中非常重要的前提条件，在军事及日常生活等多个等领域都有着巨大的发展空间。小目标检测由于目标携带信息少、定位精度要求高、易被环境噪声淹没，长期以来都是目标检测中的一个难点。

2、在野外远距离监控中，需要实现对像素值在[10*10，32*32]范围内小目标进行准确的检测。野外小目标检测的难点除了通常一般小目标检测的目标信息量极少的问题，而且存在光线明暗变化明显导致拍摄图像存在过暗或过亮的问题，这些对野外小目标检测都是极大的挑战。

技术实现思路

1、本专利技术所要解决的技术问题是提供一种基于多尺度融合的野外小目标检测方法，能够有效提高小目标检测的抗干扰能力。

2、本专利技术解决其技术问题所采用的技术方案是：提供一种基于多尺度融合的野外小目标检测方法，包括以下步骤：<本文档来自技高网...

【技术保护点】

1.一种基于多尺度融合的野外小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度融合的野外小目标检测方法，其特征在于，所述对所述野外可见光图像进行对比度增强处理，具体为：采用CLAHE算法提高所述野外可见光图像中小目标与背景环境的局部对比度。

3.根据权利要求1所述的基于多尺度融合的野外小目标检测方法，其特征在于，所述骨干网络部分包括依次设置的Focus结构、CSP结构和SPPF结构；所述CSP结构用于提取所述对比度增强处理后的野外可见光图像的多尺度特征；所述SPPF结构还与shortcut分支模块并联，所述SPPF结构中的最大池化层分支...

【技术特征摘要】

1.一种基于多尺度融合的野外小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度融合的野外小目标检测方法，其特征在于，所述对所述野外可见光图像进行对比度增强处理，具体为：采用clahe算法提高所述野外可见光图像中小目标与背景环境的局部对比度。

3.根据权利要求1所述的基于多尺度融合的野外小目标检测方法，其特征在于，所述骨干网络部分包括依次设置的focus结构、csp结构和sppf结构；所述csp结构用于提取所述对比度增强处理后的野外可见光图像的多尺度特征；所述sppf结构还与shortcut分支模块并联，所述sppf结构中的最大池化层分支和所述shortcut分支模块的输出合并后得到所述对比度增强处理后的野外可见光图像中包含局部特征和全局特征的深度特征信息。

4.根据权利要求1所述的基于多尺度融合的野外小目标检测方法，其特征在于，所述颈部网络...

【专利技术属性】
技术研发人员：罗珊珊，刘建坡，孟方舟，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：