基于双重卷积神经网络的小目标增强检测方法和装置.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CN111414910A(43)申请公布日2020.07.14(21)申请号202010193865.X(22)申请日2020.03.18(71)申请人上海嘉沃光电科技有限公司地址201306上海市浦东新区云汉路979号2楼(72)发明人李华伟王斯建(74)专利代理机构上海市海华永泰律师事务所31302代理人包文超(51)Int.Cl.G06K9/32(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书4页附图1页(54)发明名称基于双重卷积神经网络的小目标增强检测方法和装置(57)摘要一种基于双重卷积神经网络的小目标增强检测方法，既能提升检测准确性，又能保持与通用检测模型相近的检测速度。检测方法级联双重卷积神经网络，第一重卷积神经网络采用兼顾目标定位和目标识别功能的MobileNet-SSD网络，并以较低的置信度阈值筛选出候选目标，较低的阈值可以确保小目标不漏检；第二重卷积神经网络根据第一轮检测得到候选目标区域，逐个截取图片子块，采用只含目标识别功能的MobileNet网络，并以较高的置信度阈值筛选出目标，较高的阈值可以确保小目标不错检。通过本发明提出的两轮增强检测方法，可以提升小目标的检测准确性，降低目标错检率和漏检率。CN111414910ACN111414910A权利要求书1/2页1.一种基于双重卷积神经网络的小目标增强检测方法，其特征在于，所述方法包括以下步骤：第一重卷积神经网络采用兼顾目标定位和目标识别功能的缩小版MobileNet-SSD检测网络，第一重卷积神经网络通过设置低置信度阈值筛选出候选目标区域；根据第一重卷积神经网络筛选出的候选目标区域，逐个截取目标图片子块，从而提升目标像素占比，形成高像素占比目标图片子块，将高像素占比目标图片子块送入第二重卷积神经网络；第二重卷积神经网络采用只含目标识别功能的缩小版MobileNet识别网络，对高像素占比目标图片进行目标识别，通过设置高置信度阈值筛选出目标。2.如权利要求1所述的一种基于双重卷积神经网络的小目标增强检测方法，其特征在于，第一重卷积神经网络设置的低置信度阈值的范围为0.01-0.1。3.如权利要求2所述的一种基于双重卷积神经网络的小目标增强检测方法，其特征在于，第二重卷积神经网络设置的高置信度阈值的范围为0.85-0.95。4.如权利要求3所述的一种基于双重卷积神经网络的小目标增强检测方法，其特征在于，第二重卷积神经网络筛选出的目标包括目标位置和目标类别。5.如权利要求4所述的一种基于双重卷积神经网络的小目标增强检测方法，其特征在于，缩小版MobileNet-SSD检测网络的网络缩小因子a设为0.5。6.如权利要求5所述的一种基于双重卷积神经网络的小目标增强检测方法，其特征在于，第一重卷积神经网络设置的低置信度阈值为0.1。7.一种基于双重卷积神经网络的小目标增强检测装置，其特征在于，所述检测装置包括第一重卷积神经网络单元和第二重卷积神经网络单元；第一重卷积神经网络单元采用兼顾目标定位和目标识别功能的缩小版MobileNet-SSD检测网络，筛选出候选目标区域，通过对筛选出的候选目标区域逐个截取目标图片子块，从而提升目标像素占比，形成高像素占比目标图片子块，将高像素占比目标图片子块送入第二重卷积神经网络单元；第二重卷积神经网络单元采用只含目标识别功能的缩小版MobileNet识别网络，对高像素占比目标图片进行目标识别，筛选出目标。8.如权利要求7所述的一种基于双重卷积神经网络的小目标增强检测装置，其特征在于，所述第一重卷积神经网络单元通过设置低置信度阈值筛选出候选目标区域，所述低置信度阈值的范围为0.01-0.1。9.如权利要求8所述的一种基于双重卷积神经网络的小目标增强检测装置，其特征在于，所述第二重卷积神经网络单元通过设置高置信度阈值筛选出目标，所述高置信度阈值的范围为0.85-0.95。10.一种存储器，所述存储器存储有计算机程序，其特征在于，所述计算机程序执行如下步骤：第一重卷积神经网络采用兼顾目标定位和目标识别功能的缩小版MobileNet-SSD检测网络，第一重卷积神经网络通过设置低置信度阈值筛选出候选目标区域；根据第一重卷积神经网络筛选出的候选目标区域，逐个截取目标图片子块，从而提升目标像素占比，形成高像素占比目标图片子块，将高像素占比目标图片子块送入第二重卷2CN111414910A权利要求书2/2页积神经网络；第二重卷积神经网络采用只含目标识别功能的缩小版MobileNet识别网络，对高像素占比目标图片进行目标识别，通过设置高置信度阈值筛选出目标。3CN111414910A说明书1/4页基于双重卷积神经网络的小