基于对抗生成网络的微小目标检测系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114298137A(43)申请公布日2022.04.08(21)申请号202111341658.5(22)申请日2021.11.12(71)申请人广州辰创科技发展有限公司地址510000广东省广州市天河区高唐路235号07栋0601(72)发明人郝振斌王毅(74)专利代理机构广州市越秀区哲力专利商标事务所(普通合伙)44288代理人李健(51)Int.Cl.G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于对抗生成网络的微小目标检测系统(57)摘要本申请公开了一种基于对抗生成网络的微小目标检测方法和系统，涉及图像识别技术，该方法包括以下步骤：调用目标检测模型检测目标图像中的目标；筛选出尺寸小于第一预设值的目标作为微小目标；通过生成网络将所述微小目标对应的第一图像作放大处理，得到第二图像；调用目标分类模型对第二图像进行分类，得到分类结果。本申请实施例可以提升微小目标在分类上的精度。CN114298137ACN114298137A权利要求书1/2页1.一种基于对抗生成网络的微小目标检测方法，其特征在于，包括以下步骤：调用目标检测模型检测目标图像中的目标；筛选出尺寸小于第一预设值的目标作为微小目标；通过生成网络将所述微小目标对应的第一图像作放大处理，得到第二图像；调用目标分类模型对第二图像进行分类，得到分类结果；其中，所述生成网络通过以下方式获得：获取尺寸大于第二预设值的第三图像，所述第三图像中有识别目标；将所述第三图像压缩成尺寸小于第一预设值的第四图像；利用所述生成网络对第四图像进行放大，得到第五图像；引入鉴别网络与所述生成网络组成对抗生成模型；利用所述第三图像和第五图像对所述对抗生成模型进行训练，得到训练好的生成网络。2.根据权利要求1所述的基于对抗生成网络的微小目标检测方法，其特征在于，在对所述对抗生成模型进行训练的训练过程中：当所述鉴别网络对所述生成网络生成的图像的鉴别率低于第一阈值时，优化所述鉴别网络的参数以提升鉴别网络的识别能力；当所述鉴别网络对所述生成网络生成的图像的鉴别率大于第二阈值时，优化所述生成网络的参数以提升生成网络的仿真能力。3.根据权利要求1所述的基于对抗生成网络的微小目标检测方法，其特征在于，所述目标检测模型通过以下方式得到：获取样本图像及其标注，所述标注对应样本图像中不同尺寸的目标；通过多个样本图像及其标注对YOLO模型进行训练，得到目标检测模型。4.根据权利要求1所述的基于对抗生成网络的微小目标检测方法，其特征在于，所述目标分类模型为使用3*3卷积核的VGG16网络模型。5.根据权利要求1所述的基于对抗生成网络的微小目标检测方法，其特征在于，还包括以下步骤，将非微小目标直接输入到目标分类模型中进行处理。6.根据权利要求1所述的基于对抗生成网络的微小目标检测方法，其特征在于，所述将所述第三图像压缩成尺寸小于第一预设值的第四图像，具体为：将所述第三图像压缩固定的长宽比例和固定的尺寸的第四图像。7.一种基于对抗生成网络的微小目标检测系统，其特征在于，包括：检测模块，用于调用目标检测模型检测目标图像中的目标；筛选模块，用于筛选出尺寸小于第一预设值的目标作为微小目标；生成模块，用于通过生成网络将所述微小目标对应的第一图像作放大处理，得到第二图像；分类模块，用于调用目标分类模型对第二图像进行分类，得到分类结果；其中，所述生成网络通过以下方式获得：获取尺寸大于第二预设值的第三图像，所述第三图像中有识别目标；将所述第三图像压缩成尺寸小于第一预设值的第四图像；利用所述生成网络对第四图像进行放大，得到第五图像；2CN114298137A权利要求书2/2页引入鉴别网络与所述生成网络组成对抗生成模型；利用所述第三图像和第五图像对所述对抗生成模型进行训练，得到训练好的生成网络。8.根据权利要求7所述的基于对抗生成网络的微小目标检测系统，其特征在于，在对所述对抗生成模型进行训练的训练过程中：当所述鉴别网络对所述生成网络生成的图像的鉴别率低于第一阈值时，优化所述鉴别网络的参数以提升鉴别网络的识别能力；当所述鉴别网络对所述生成网络生成的图像的鉴别率大于第二阈值时，优化所述生成网络的参数以提升生成网络的仿真能力。9.根据权利要求8所述的基于对抗生成网络的微小目标检测系统，其特征在于，所述目标检测模型通过以下方式得到：获取样本图像及其标注，所述标注对应样本图像中不同尺寸的目标；通过多个样本图像及其标注对YOLO模型进行训练，得到目标检测模型。10.一种基于对抗生成网络的微小目标检测系统，其特征在于，包括：存储器，用于存储程序；处理器，用于加载所述程序以执行如权利要求1‑6任一项所述的基于对