【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种按比例分割图像的小目标检测方法。
技术介绍
1、小目标检测任务在民用、军事和安全等领域发挥着非常重要的作用。如地面车辆和行人的无人机目标检测、遥感卫星图像的地面目标检测、无人驾驶行人车辆和远处交通标志的识别、医学成像中一些早期病变和肿块的检测，以及对定位材料上的小缺陷进行自动工业检查。随着现实生活中计算机视觉系统的逐渐复杂化和智能化，小目标的检测任务需要更多的关注。如无人机目标检测的难点主要在于目标尺度过小，卷积神经网络经过了多年的发展，技术已经日趋成熟，但是小目标检测依然是一个痛点和难点。其主要原因就是小目标的分辨率和信息量非常有限。
2、随着硬件技术的不断发展，当今设备已经可以在实际场景中获得高分辨率的图像，而常规神经网络对于输入的图片大小是非常敏感的。常规对于高分辨率图片处理存在以下问题：(1)很多图像分辨率很大，如果简单的进行下采样，下采样的倍数太大，容易丢失数据信息。(2)但是倍数太小，网络前向传播需要在内存中保存大量的特征图，极大耗尽gpu资源，容易发生显存爆炸，无法正常的训练以及推理。
3、因此，目前亟需一种对检测设备的性能需求低，且准确率高的小目标检测方法。
技术实现思路
1、针对现有技术中所存在的不足，本专利技术提供了一种按比例分割图像的小目标检测方法，具有操作简单、设备性能要求低和检测准确率高的优点。
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：
3、一种按比例分
4、s1，选取yolov5目标检测模型为基准模型，并引入浅层注意力机制和微小目标检测层，建立按比例分割图像的小目标检测模型；
5、s2，使用s1中建立的小目标检测模型，将输入图像按比例裁剪为p1、p2、p3、p4四个局部图像；且裁剪尺寸按比例放大，以形成部分重叠区域；在裁剪过程中，局部图像对应标签进行坐标变换，由原始标签转换为临时标签；使用局部图像和临时标签进行训练，从而获得局部检测模型；
6、s3，使用步骤s2获得局部检测模型权重文件进行检测，检测前对原始输入图像进行预处理，按照步骤s2中的方式按比例裁剪，进行局部检测；将局部检测结果标签进行转换至原始输入图像，进行全局nms非极大值抑制操作，得到最终检测结果。
7、本专利技术进一步设置为：步骤s1中，所述基准模型在backbone浅层使用cbam注意力机制。
8、本专利技术进一步设置为：步骤s1中，所述基准模型采用四层的fpn+yolohead结构。
9、本专利技术进一步设置为：步骤s2中，将输入图像按比例裁剪为p1、p2、p3、p4四个局部图像时，从输入图像的左上开始，按顺时针方向进行裁剪。
10、本专利技术进一步设置为：训练时，对输入图像进行按比例裁剪为四个局部图像，裁剪时按比例截取部分面积，额外部分面积大小用重叠率overlap量化，可自适应计算，其计算依据为数据集的目标平均尺度，采用伽马变换overlap＝c*rγ；
11、其中，r为训练集目标边框高和宽相对大小的平均值，取值范围为[0,1]；overlap为经过伽马变换后的重叠率输出值；c为缩放系数；γ为伽马因子大小。
12、本专利技术进一步设置为：还包括边缘目标检测策略；对输入图像进行裁剪时，对超过50％面积在局部图像内部的边缘标签进行重计算，对低于50％面积在局部图像内部的边缘标签进行丢弃；每个标签包含x,y,w,h位置信息，分别对应中心点的横纵坐标和目标边框的宽和高，对于所有边框进行判断，重计算方式为：
13、
14、本专利技术具有的有益效果为：本专利技术提出的方法，基于分辨率、注意力机制、深度神经网络和微小目标检测头对小目标较多的场景进行检测，解决在较高分辨率下目标检测困难的问题，可以检测到更精细的目标，且对于小目标的误检更少。
本文档来自技高网...【技术保护点】
1.一种按比例分割图像的小目标检测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：步骤S1中，所述基准模型在backbone浅层使用CBAM注意力机制。
3.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：步骤S1中，所述基准模型采用四层的FPN+YoloHead结构。
4.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：步骤S2中，将输入图像按比例裁剪为p1、p2、p3、p4四个局部图像时，从输入图像的左上开始，按顺时针方向进行裁剪。
5.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：训练时，对输入图像进行按比例裁剪为四个局部图像，裁剪时按比例截取部分面积，额外部分面积大小用重叠率overlap量化，可自适应计算，其计算依据为数据集的目标平均尺度，采用伽马变换overlap＝c*rγ；
6.如权利要求5所述的一种按比例分割图像的小目标检测方法，其特征在于：还包括边缘目标检测策略；对输入图像进行裁剪时，对超过5
...【技术特征摘要】
1.一种按比例分割图像的小目标检测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：步骤s1中，所述基准模型在backbone浅层使用cbam注意力机制。
3.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：步骤s1中，所述基准模型采用四层的fpn+yolohead结构。
4.如权利要求1所述的一种按比例分割图像的小目标检测方法，其特征在于：步骤s2中，将输入图像按比例裁剪为p1、p2、p3、p4四个局部图像时，从输入图像的左上开始，按顺时针方向进行裁剪。
5.如权利要求1所述...
【专利技术属性】
技术研发人员：颜红梅，高港耀，石一，
申请(专利权)人：电子科技大学长三角研究院湖州，
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。