[发明专利]一种基于图像深度的多分支多尺度小目标检测方法

权利要求书

1.一种基于图像深度的多分支多尺度小目标检测方法，其特征在于包括下列步骤：

S1、根据双目图像训练集，获取视差图训练集；

S2、对视差图进行深度聚类，每一个聚类结果即为一个分支，将聚类结果映射到双目图像中的左图中，提取出初步候选框；

S3、分支提取图像特征：不同分支进行不同尺度的上采样操作，获取不同尺度特征图像；

S4、将不同尺度特征图像输入到多尺度特征金字塔网络中进行特征融合，获取预测结果；

S5、计算分类损失和回归框损失，结合预测结果，获取检测结果。

2.根据权利要求1所述的一种基于图像深度的多分支多尺度小目标检测方法，其特征在于所述步骤S2中的对视差图进行深度聚类，具体包括如下步骤：

S21、根据视差图中的距离信息，划分K个深度范围，并随机选择K个深度范围的初始中心；

S22、将整体视差图分成若干个小区域，对每个小区域进行如下操作：求小区域到各个深度范围中心的距离，将小区域归属到距离最短的中心所在的深度范围；

S23、利用均值更新各个深度范围的中心值；

S24、重复步骤S22～S23，直至各个深度范围的中心值不再变化。

3.根据权利要求1所述的一种基于图像深度的多分支多尺度小目标检测方法，其特征在于所述步骤S3中的不同分支进行不同尺度的上采样操作，获取不同尺度图像，具体包括如下步骤：

S31、根据公式获取目标尺度：

其中，N表示目标尺度，d表示图像中需要检测目标的距离，w，h是目标的宽度与高度，b，a，m为系数；

S32、根据公式获取每个尺度要进行上采样的倍数：

N＝2^α+β

其中，N表示目标尺度，α代表每个尺度要进行上采样的倍数，β为该分支最近处分支上采样倍数；

S33、结合目标尺度及要进行上采样的倍数，进行上采样操作，获取不同尺度特征图像；

S34、不同分支都进行步骤S31～S33的操作。

4.根据权利要求1所述的一种基于图像深度的多分支多尺度小目标检测方法，其特征在于所述步骤S4中的将不同尺度特征图像输入到多尺度特征金字塔网络中进行特征融合，获取预测结果，具体包括如下步骤：

S41、将不同分支的不同尺度特征图像输入到多尺度特征金字塔网络中；

S42、根据公式求出不同分支特征融合所需的网络层数：

其中，是输入第i个分支的平均预训练尺寸，k₀为平均预训练尺寸时应映射到的目标层，w，h是目标的宽度与高度；

S43、将不同分支的不同尺度特征图像分配到多尺度特征金字塔网络中相对应网络层数的分支网络处；

S44、分支网络中的向上传送网络将不同尺度特征图像的不同尺度分配给不同层级，分别提取特征；

S45、分支网络中的向下传送网络，将上层特征图进行不同尺度的最近邻上采样，下层特征图用1*1卷积核卷积，使上下特征图的通道相同，将上下层对应通道元素进行像素相加，生成所需的特征图，得到预测结果。