一种基于深度学习的水面漂浮垃圾的一阶段检测方法技术

本文提出一种基于深度学习的水面漂浮垃圾的一阶段检测方法。水面漂浮垃圾在进行目标检测时存在小目标边缘模糊、目标遮挡问题。现有的方法难以满足实时检测，对小目标的检测精度较低。步骤1：首先根据水面漂浮垃圾的特点选择了特定的数据集，此数据集包含边缘模糊、目标遮挡、目标小、目标信息少的特点步骤2：针对小目标边缘信息模糊的问题，本文提出了E‑MP模块。E‑MP模块通过Laplacians算子对图像的边缘进行增强。同时通过Sobel‑dx算子和Sobel‑dy算子达到目标信息与背景信息区分的效果。步骤3：针对边缘遮挡问题，本文提出了金字塔指导，金字塔指导模块不仅可以指导下一次提取小目标信息的位置同时在模块中加入图像分割模型，取代了原有的传统金字塔提取模块，使网络在提取目标高层信息的同时融合分割后目标的信息增加有用信息的。步骤4：在增强特征提取网络的关键位置引入双重注意力(biformer)层，其中正向注意力用于从左到右地处理输入序列，而反向注意力则从右到左地处理输入序列。模型可以同时利用前后两个方向的上下文信息，从而更好地捕捉序列中的依赖关系，对小目标信息有更好的提取作用。

【技术实现步骤摘要】

本专利技术设计图像处理和环境治理领域，具体来说，涉及了小物体图片的边缘增强定位和分割的单阶段深度学习预测方法。

技术介绍

1、本部分陈述的仅仅是涉及到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。

2、水面漂浮垃圾检测是目标检测领域的一种。目标检测是计算机视觉领域中的一个重要任务，其目标是在图像或视频中准确地识别和定位特定的目标物体。目标检测在水面漂浮垃圾清理中有着重要作用。随着基于深度学习的目标检测技术的一系列突破，小目标检测已成为该领域的难点研究方向之一，其中水面漂浮垃圾小目标的边缘模糊和目标遮挡问题在这项研究中尤为突出。水面漂浮垃圾大多小于32×32的目标尺寸，漂浮垃圾检测设备在目标检测存在很多问题，容易出现漏检和误检，这使得目标检测在水面漂浮垃圾方面极具挑战性。

3、在本文对水面漂浮垃圾检测的角度出发，总结出以下问题:水面漂浮垃圾目标检测需要实现实时传输检测效果；在拍摄水面漂浮垃圾照片时会有不同尺度的目标物体；由于水面的波纹或在不同角度太阳的光照影响导致目标边缘模糊；目标的密集程度或者水面的水草会造成目标存在遮挡现象；本文档来自技高网...

【技术保护点】

1.一种基于深度学习的水面漂浮垃圾的一阶段检测方法，其特征在于增强小目标的边缘特征，更加精确的检测目标中的小物体，该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的水面漂浮垃圾的一阶段检测方法，其特征在于：所述步骤1具体方法是：

3.根据权利要求1所述的一种基于深度学习的水面漂浮垃圾的一阶段检测方法，其特征在于：所述步骤2)具体方法是：

4.根据权利要求1所述的一种基于深度学习的水面漂浮垃圾的一阶段检测方法，其特征在于：所述步骤3)具体方法是：

5.根据权利要求1所述的一种基于深度学习的水面漂浮垃圾的一阶段预测方法，其特征在于...

【技术特征摘要】

1.一种基于深度学习的水面漂浮垃圾的一阶段检测方法，其特征在于增强小目标的边缘特征，更加精确的检测目标中的小物体，该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的水面漂浮垃圾的一阶段检测方法，其特征在于：所述步骤1具体方法是：

3.根据权利要求1所述的一种基于深度学习的...

【专利技术属性】
技术研发人员：周华平，李云豪，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：