[发明专利]基于轻量级网络的图像检测方法、系统、设备和存储介质

权利要求书

1.一种基于轻量级网络的图像检测方法，其特征在于，所述方法包括：

将高空航拍的图像数据集进行特定分辨率的分割，对分割后的初始图像进行在线数据增强和预处理获取输入图像，并对所述输入图像的标签值进行编码；

将所述输入图像导入到轻量级骨干特征提取网络模型，并将所述输入图像通过Patch层进行4倍的下采样，获取第一低维特征图；

将所述第一低维特征图导入ConvMixer层进行高维映射，并利用SElayer层通过通道注意力机制进行抑制或者关注,形成输出特征图；所述SElayer层进行的是通道注意力机制，所述ConvMixer层为膨胀压缩激活层；

将所述输出特征图进行特征加强，通过连续的上采样与深度卷积、ConvMixer采样，得到不同维度的目的特征图，将不同维度的目的特征图拼接在一起，形成不同维度信息的预测图，根据所述预测图完成高空航拍图像的检测。

2.根据权利要求1所述的基于轻量级网络的图像检测方法，其特征在于，所述将高空航拍的图像数据集进行特定分辨率的分割，对分割后的初始图像进行在线数据增强和预处理获取输入图像，并对所述输入图像的标签值进行编码，包括：

对DOTA数据集进行离线数据增强，采用分割的方法，保留分割图像之间的重合面积；

采用分割分辨率为1024*1024进行分割，把大分辨率图像分割为小分辨率图像，使得图像特征保留完整并使得图像之间有重叠区域；

针对分割后的图像做mosaic、mixup在线数据增强，增加图像网络的鲁棒性，获取所述输入图像，并对所述输入图像的标签值进行编码。

3.根据权利要求1所述的基于轻量级网络的图像检测方法，其特征在于，所述将所述第一低维特征图导入ConvMixer层进行高维映射，并利用SElayer层通过通道注意力机制进行抑制或者关注,形成输出特征图，包括：

将所述第一低维特征图经过逐点卷积，进行3倍维度的扩张,将低维空间映射到高维空间形成第一输出特征；

对所述输出第一输出特征经过深度卷积来提取特征形成第二输出特征 ,对所述第二输出特征通过所述ConvMixer层的逆残差模块堆叠，防止梯度弥散后得到第三输出特征；

把所述第三输出特征导入逐点卷积来压缩数据，得到第四输出特征；

将所述第四输出特征经过Patch层进行2倍的二次下采样，通过两次ConvMixer层进行二次升维之后导入SElayer层。

4.根据权利要求1所述的基于轻量级网络的图像检测方法，其特征在于，所述将所述输出特征图进行特征加强，通过连续的上采样与深度卷积、ConvMixer采样，得到不同维度的目的特征图，将不同维度的目的特征图拼接在一起，形成不同维度信息的预测图，根据所述预测图完成高空航拍图像的检测，包括：

接受从特征加强部分输出的三个不同的目的特征图，根据所述目的特征图输出三个预测图，并获取所述预测图的维度分布；

根据所述预测图的维度分布，计算所述预测图的预测值与数据集标签编码的损失值。

5.一种基于轻量级网络的图像检测系统，其特征在于，包括：

图像分割模块，用于将高空航拍的图像数据集进行特定分辨率的分割，对分割后的初始图像进行在线数据增强和预处理获取输入图像，并对所述输入图像的标签值进行编码；

快编码层模块，用于将所述输入图像导入到轻量级骨干特征提取网络模型，并将所述输入图像通过Patch层进行4倍的下采样，获取第一低维特征图；

维度处理模块，用于将所述第一低维特征图导入ConvMixer层进行高维映射，并利用SElayer层通过通道注意力机制进行抑制或者关注,形成输出特征图；所述SElayer层进行的是通道注意力机制，所述ConvMixer层为膨胀压缩激活层；

图像预测模块，用于将所述输出特征图进行特征加强，通过连续的上采样与深度卷积、ConvMixer采样，得到不同维度的目的特征图，将不同维度的目的特征图拼接在一起，形成不同维度信息的预测图，根据所述预测图完成高空航拍图像的检测。