[发明专利]小目标的检测方法、装置、存储介质及设备

权利要求书

1.一种小目标的检测方法，其特征在于，用于神经网络模型中，所述神经网络模型中包括改进特征金字塔网络和检测网络，所述改进特征金字塔网络中包括n个卷积层、n个预测层和一个临时层，n≥3，所述方法包括：

获取待检测的图像，所述图像中包含至少一个小目标对象，所述小目标对象是像素面积小于预定面积的目标对象；

所述n个卷积层对所述图像进行卷积运算，依次得到n个卷积结果；

所述n个预测层中的前n-1个预测层对对应的卷积结果进行预定运算，依次得到n-1个预测结果；

所述临时层根据所述n-1个预测结果中的后m个预测结果进行预定运算，得到临时结果，m≥2；

所述n个预测层中的第n个预测层对对应的卷积结果和所述临时结果进行预定运算，得到第n个预测结果；

所述检测网络根据n个预测结果检测所述小目标对象。

2.根据权利要求1所述的方法，其特征在于，当m为2时，所述临时层根据所述n-1个预测结果中的后m个预测结果进行预定运算，得到临时结果，包括：

所述临时层对第n-1个预测结果进行上采样，得到第n-1个采样结果；

所述临时层将所述第n-1个采样结果与第n-2个预测结果相加，得到所述临时结果。

3.根据权利要求1所述的方法，其特征在于，所述n个预测层中的第n个预测层对对应的卷积结果和所述临时结果进行预定运算，得到第n个预测结果，包括：

所述n个预测层中的第n个预测层对所述临时结果进行上采样，得到第n个采样结果；

所述第n个预测层将所述第n个采样结果与第一个卷积结果相加，得到所述第n个预测结果。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述n个卷积层对所述图像进行卷积运算，依次得到n个卷积结果，包括：

所述n个卷积层中的第一个卷积层对所述图像进行卷积运算，得到第一个卷积结果；

所述n个卷积层中的第i个卷积层对第i-1个卷积结果进行卷积运算，得到第i个卷积结果，2≤i≤n。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述n个预测层中的前n-1个预测层对对应的卷积结果进行预定运算，依次得到n-1个预测结果，包括：

所述n个预测层中的第一个预测层对第n个卷积结果进行卷积运算，得到第一个预测结果；

所述n个预测层中的第j个预测层对第j-1个预测结果进行上采样，得到第j-1个采样结果，将所述第j-1个采样结果与第n-j+1个卷积结果相加，得到第j个预测结果，2≤j≤n-1。

6.一种小目标的检测装置，其特征在于，用于神经网络模型中，所述神经网络模型中包括改进特征金字塔网络和检测网络，所述改进特征金字塔网络中包括n个卷积层、n个预测层和一个临时层，n≥3，所述装置包括：

获取模块，用于获取待检测的图像，所述图像中包含至少一个小目标对象，所述小目标对象是像素面积小于预定面积的目标对象；

卷积模块，用于通过所述n个卷积层对所述图像进行卷积运算，依次得到n个卷积结果；

运算模块，用于通过所述n个预测层中的前n-1个预测层对对应的卷积结果进行预定运算，依次得到n-1个预测结果；

所述运算模块，还用于通过所述临时层根据所述n-1个预测结果中的后m个预测结果进行预定运算，得到临时结果，m≥2；

所述运算模块，还用于所述n个预测层中的第n个预测层对对应的卷积结果和所述临时结果进行预定运算，得到第n个预测结果；

检测模块，用于通过所述检测网络根据n个预测结果检测所述小目标对象。

7.根据权利要求6所述的装置，其特征在于，当m为2时，所述运算模块，还用于：

通过所述临时层对第n-1个预测结果进行上采样，得到第n-1个采样结果；

通过所述临时层将所述第n-1个采样结果与第n-2个预测结果相加，得到所述临时结果。