【技术实现步骤摘要】
本专利技术涉及目标识别和跟踪的。特别应用于无人机等拍摄设备的目标图像采集，本专利技术具体涉及一种小目标检测模型的训练方法和系统
技术介绍
1、针对小目标的目标检测算法，因检测图像所占像素数较少，携带有效信息少，因此检测精度低且对复杂背景下目标适应能力弱，容易发生漏警和虚警的结果。特别是在实施于微纳量级无人机时，因为受到机身重量的限制，可配备的处理器存储和计算资源受限。加之计算量、参数量和耗时的限制，其小目标识别功能难以实施于小型机身且无法保证识别精度。
技术实现思路
1、本专利技术的目的是提供一种小目标检测模型的训练方法，通过深度神经网络架构结合不确定学习方法，得到了识别准确度、可靠性高的小目标检测模型，解决了现有小目标识别时，容易出现误识、漏识和算力限制等问题。
2、为解决上述问题，本专利技术的第一方面，提供了一种小目标检测模型的训练方法，包括：
3、构建小目标识别深度神经网络结构。小目标识别深度神经网络结构包括骨干网络层和检测头层。
4、将多幅小目标...
【技术保护点】
1.一种小目标检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的小目标检测模型的训练方法，其特征在于，还包括：
3.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，得到所述小目标检测样本图像包括，模糊处理所述小目标检测样本图像或减少像素值处理所述小目标检测样本图像。
4.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，平面增强处理所述小目标检测图像包括，通过旋转、剪裁、缩放、水平翻转和/或镜像方法增强所述小目标检测图像。
5.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，平面...
【技术特征摘要】
1.一种小目标检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的小目标检测模型的训练方法，其特征在于，还包括：
3.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，得到所述小目标检测样本图像包括，模糊处理所述小目标检测样本图像或减少像素值处理所述小目标检测样本图像。
4.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，平面增强处理所述小目标检测图像包括，通过旋转、剪裁、缩放、水平翻转和/或镜像方法增强所述小目标检测图像。
5.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，平面增强处理所述小目标检测图像包括，通过mosaic马赛克数据增强方法增强所述小目标检测图像。
6.根据权利要求2所述的小目标检测模型的训练方法，其特征在于，得到所述小目标检测样本图像包括：
7.根据权利要求1所述的小目标检测模型的训练方法，其特征在于，所述骨干网络层包括特征提取模块和特征修正模块；所述特征提取模块提取所述小目标检测样本图像中的目标图像特征；所述特征修正模块，修正所述特征提取模块输出的所述小目标检测样本图像中的目标图像特征；
8.根据权利要求7所述的小目标检测模型的训练方法，其特征在于，所述检测头层包括检测模块；所述检测模块包括多个检测层和设置在所述检测层之间的池化层；所述检测层包括多个卷积层和归一化层；
9.根据权利要求1所述的小目标检测模型的训练方法，其特征在于，在构建小目标识别深度神经网络结构后包括：
10.根据权利要求9所述的小目标检测模型的训练方法，其特征在于，有监督训练所述小目标识别深度神经网络包括：
11.根据权利要求9所述的小目标检测模型的训练方法，其特征在于，有监督训练所述小目标识别深度神经网络包括：
12.根据权利要求10所述的小目标检测模型的训练方法，其特征在于，所述目标检测结果中包括目标检测框；
13.根据权利要求1所述的小目标检测模型的训练方法，其特征在于，还包括：
14.一种利用小...
【专利技术属性】
技术研发人员：尤政，史慧宇，戴宇翔，纪兴龙，浦一雯，丁皓伦，韩毓，邢飞，鲁文帅，
申请(专利权)人：启元实验室，
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。