【技术实现步骤摘要】
本专利技术涉及一种图像识别，具体涉及一种小目标检测方法、装置及终端设备。
技术介绍
1、目标检测是图像处理领域的一个重要任务，旨在图像或视频中准确地定位和识别出各种不同类别的目标物体。目标检测主要包括目标定位和目标分类，如何实现精准的目标检测是图像处理领域的研究热点。小目标是像素点小于32×32或图像所占尺寸小于整个图像尺寸的0.1倍的物体。与大型物体相比，小目标在图像中占据的像素较少，其特征不够明显，同时容易受到遮挡和噪声的影响，涉及到复杂的环境和动态的背景，因此小目标的有效识别对于整体系统的性能至关重要。
2、虽然传统的目标检测算法对小目标检测有一定的效果，但由于小目标的尺寸相对较小，特征不明显，容易受到背景干扰，存在目标背景复杂和目标相互遮挡等问题，其在小目标检测方面表现的仍然不尽理想。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种小目标检测方法、装置及终端设备，能够提高对小目标的检测精确度。
2、为达到上述目的，本专利技术采用如下技术方案：
...【技术保护点】
1.一种小目标检测方法，其特征在于，包括：
2.根据权利要求1所述的小目标检测方法，其特征在于，所述GAM注意力机制的结构包括通道注意力模块和空间注意力模块；输入至所述GAM注意力机制的数据为特征F1，所述GAM注意力机制输出的数据为特征F3；通道注意力模块用于保留输入的特征的三维信息，空间注意力模块用于对输入的特征进行空间信息融合；
3.根据权利要求2所述的小目标检测方法，其特征在于，所述通道注意力模块包括依次连接的三维组合单元、多层感知器、逆组合单元和第一Sigmoid激活函数，所述三维组合单元用于保留特征F1的三维信息；所述多层感知器用于...
【技术特征摘要】
1.一种小目标检测方法，其特征在于，包括：
2.根据权利要求1所述的小目标检测方法，其特征在于，所述gam注意力机制的结构包括通道注意力模块和空间注意力模块；输入至所述gam注意力机制的数据为特征f1，所述gam注意力机制输出的数据为特征f3；通道注意力模块用于保留输入的特征的三维信息，空间注意力模块用于对输入的特征进行空间信息融合；
3.根据权利要求2所述的小目标检测方法，其特征在于，所述通道注意力模块包括依次连接的三维组合单元、多层感知器、逆组合单元和第一sigmoid激活函数，所述三维组合单元用于保留特征f1的三维信息；所述多层感知器用于计算每个通道的权重，根据每个通道的权重对所述三维组合单元输出的特征f1的不同通道信息进行加权；所述逆组合单元用于将所述多层感知器输出特征f1的通道数调整至特征f1进入所述通道注意力模块之前的通道数；所述第一sigmoid激活函数用于对所述逆组合单元输出的特征f1进行sigmoid函数处理；
4.根据权利要求2所述的小目标检测方法，其特征在于，所述c2fg模块位于所述主干特征提取网络中的第二个卷积模块与第三个卷积模块之间，所述小目标检测层包括第一upsample模块、第一concat模块、第二c2f模块、第六conv模块、第二concat模块、第三c2f模块和所述检测头网络中的第一个检测头，第一upsample模块、第一concat模块、第二c2f模块、第六conv模块、第二concat模块和第三c2f模块依次连接，第三c2f模块的输出端与所述检测头网络中的第二个检测头连接。
5.根据权利要求1所述的小目标检测方法，其特征在于，dsconv模块使用大小为9×9的卷积核k；
6.根据权利要求5所...
【专利技术属性】
技术研发人员：王井阳，高佳瑶，武少广，黄敏，
申请(专利权)人：河北科技大学，
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。