[发明专利]一种图像中基于深度学习的小目标的检测方法及装置

权利要求书

1.一种图像中基于深度学习的小目标的检测方法，其特征在于，所述方法包括：

获取待检测图像；

基于所述待检测图像及预先训练完成的目标检测器模型，获得所述待检测图像中目标的类别及其在所述待检测图像中位置坐标，其中，所述目标检测器模型包括目标特征提取器、目标区域生成网络、预先建立的上下文信息层及目标区域分类网络，所述获得所述目标的类别及其在所述待检测图像中位置坐标的过程包括：

将所述待检测图像输入所述目标特征提取器，对所述待检测图像进行第一预设卷积运算，得到特征图；

将所述特征图输入所述目标区域生成网络，对所述特征图进行第二预设卷积运算，得到候选框的坐标；

将所述候选框坐标输入所述上下文信息层，根据候选框坐标，按照预设计算方式进行计算，得到垂直候选框坐标及水平候选框坐标；

将所述垂直候选框坐标、水平候选框坐标、候选框坐标及所述特征图输入所述目标区域分类网络，根据所包含的特征与类别的对应关系、所述垂直候选框坐标、水平候选框坐标、候选框坐标及所述特征图，得到所述目标的类别及位置坐标。

2.根据权利要求1所述的方法，其特征在于，所述将所述候选框坐标输入所述上下文信息层，根据候选框坐标，按照预设计算方式进行计算，得到垂直候选框坐标及水平候选框坐标的步骤，包括：

将所述候选框坐标输入所述上下文信息层；

所述上下文信息层根据公式x_1h＝x₁,x_2h＝x₂,y_1h＝max(0，2y₁-y₂)，y_2h＝min(H，2y₂-y₁)，计算垂直候选框坐标(x_1h，y_1h，x_2h，y_2h)；

根据公式x_1w＝max(0，2x₁-x₂),x_2w＝min(W，2x₂-x₁),,y_1w＝y₁，y_2w＝y₂，计算水平候选框坐标(x_1w，y_1w，x_2w，y_2w)；

其中，(x₁，y₁，x₂，y₂)为以所述特征图的左上角为原点的所述候选框的坐标，H为所述待检测图像的高度，W为所述待检测图像的宽度。

3.根据权利要求2所述的方法，其特征在于，所述将所述垂直候选框坐标、水平候选框坐标、候选框坐标及所述特征图输入所述目标区域分类网络，根据所包含的特征与类别的对应关系、所述垂直候选框坐标、水平候选框坐标、候选框坐标及所述特征图，得到所述目标的类别及位置坐标的步骤，包括：

将所述垂直候选框坐标、水平候选框坐标、候选框坐标及所述特征图输入所述目标区域分类网络；

所述目标区域分类网络分别根据所述垂直候选框坐标、水平候选框坐标、候选框坐标，从所述特征图中提取垂直候选框特征、水平候选框特征及候选框特征；

将所述垂直候选框特征、水平候选框特征及候选框特征进行拼接，并进行降维处理，得到目标特征，其中，所述目标特征的维度与所述候选框特征的维度相同；

根据所述目标特征以及包含的特征与类别的对应关系，得到所述目标特征对应的类别，并对所述候选框的坐标进行精调，得到精调后的候选框坐标；

将所述目标特征对应的类别确定为所述目标的类别，将所述精调后的候选框坐标确定为所述目标的位置坐标。