小目标检测方法、装置、可读存储介质及电子设备.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CN113971732A(43)申请公布日2022.01.25(21)申请号202111211707.3G06K9/62(2022.01)(22)申请日2021.10.18G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人中科院成都信息技术股份有限公司地址610041四川省成都市高新区天晖路360号晶科1号大厦18栋1803室(72)发明人秦小林蓝鑫顾勇翔伏博毅彭云聪黄东(74)专利代理机构成都创新引擎知识产权代理有限公司51249代理人莫帅(51)Int.Cl.G06V10/40(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书2页说明书6页附图4页(54)发明名称小目标检测方法、装置、可读存储介质及电子设备(57)摘要本公开涉及一种小目标检测方法、装置、可读存储介质及电子设备，所述方法包括：将待检测图像输入到预先训练好的小目标检测模型；其中，在所述小目标检测模型中，利用成对的逆亚像素卷积操作和亚像素卷积操作分别对待检测图像信息进行编码和解码；通过所述小目标检测模型对所述待检测图像进行特征提取，输出所述待检测图像中的目标类别及位置。上述方案用于解决现有技术中存在的，传统的FPN类网络的特征融合方式未考虑骨干网络下采样与颈部网络上采样之间的相关性，从而导致冗余操作和信息丢失的技术问题。此外，FPN类方法中采用插值算法，不仅没有带来额外的信息，反而会增加计算量。CN113971732ACN113971732A权利要求书1/2页1.一种小目标检测方法，其特征在于，所述方法包括：将待检测图像输入到预先训练好的小目标检测模型；其中，在所述小目标检测模型中，利用成对的逆亚像素卷积操作和亚像素卷积操作分别对待检测图像信息进行编码和解码；通过所述小目标检测模型对所述待检测图像进行特征提取，输出所述待检测图像中的目标类别及位置。2.如权利要求1所述的方法，其特征在于，构建所述小目标检测模型的方法包括：基于YOLOv5s模型构建所述小目标检测模型，将所述YOLOv5s模型的主干网络中的目标检测层及以后的检测层中的所有下采样卷积层替换为所述逆亚像素卷积操作，将所述YOLOv5s模型中的颈部网络中的所有上采样层替换为所述亚像素卷积操作，使得所述逆亚像素卷积操作和所述亚像素卷积操作成对存在，得到改进后的YOLOv5s模型；利用训练图像集训练所述改进后的YOLOv5s模型，得到所述小目标检测模型。3.如权利要求2所述的方法，其特征在于，所述目标检测层为所述主干网络中的C4检测层。4.如权利要求2所述的方法，其特征在于，所述利用训练图像集训练改进后的YOLOv5s模型，得到所述小目标检测模型，包括：将所述训练图像集中预处理好的图像样本及标签划分为训练集和验证集；使用所述训练集对所述改进后的YOLOv5s模型进行参数优化；使用所述验证集进行参数选择，选取平均准确率最高的一组参数作为优化结果，得到所述小目标检测模型。5.如权利要求4所述的方法，其特征在于，在利用训练图像集训练改进后的YOLOv5s模型的过程中，所述方法还包括：随机使用图像裁剪、图像翻转、图像缩放和直方图均衡化中的一种或多种数据增强方式，增加所述图像样本的数量。6.如权利要求1所述的方法，其特征在于，通过所述小目标检测模型对所述待检测图像进行特征提取，输出所述待检测图像中的目标类别及位置，包括：通过所述小目标检测模型输出所述待检测图像中的特征检测框；计算相邻的特征检测框之间的重叠部分的GIoU值；若所述相邻的特征检测框为同一类且所述GIoU值大于或等于阈值，则合并所述相邻的特征检测框，得到所述待检测图像的目标类别和位置。7.一种小目标检测装置，其特征在于，包括：输入模块，用于将待检测图像输入到预先训练好的小目标检测模型；其中，在所述小目标检测模型中，利用成对的逆亚像素卷积操作和亚像素卷积操作分别对待检测图像信息进行编码和解码；特征提取模块，用于通过所述小目标检测模型对所述待检测图像进行特征提取，输出所述待检测图像中的目标类别及位置。8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1‑6中任一项所述方法的步骤。9.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；2CN113971732A权利要求书2/2页处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1‑6中任一项所述方法的步骤。3CN113971732A说明书1/6页小目标检测方法、装置、可读存储介质及电子设备技术领域[0001]本公开涉及目标检测领域，具体地，涉及一种小目