[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

说明书

本申请涉及一种基于轻量级网络的图像检测方法、系统、设备和存储介质。包括：将高空航拍的图像数据集进行特定分辨率的分割，并进行在线数据增强和预处理获取输入图像，并对输入图像的标签值进行编码；将输入图像导入到轻量级骨干特征提取网络模型，并将输入图像通过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；将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，将输出结果拼接在一起，形成不同维度信息的预测图，根据预测图完成高空航拍图像的检测。

技术领域

本申请涉及图像识别领域，特别是涉及一种基于轻量级网络的图像检测方法、系统、设备和存储介质。

背景技术

高空领域的目标检测是十分有意义的事情，在高空上我们的设备往往能看的更远，能获取更多的信息，我们可以运用在民事生产上，运用高空上的优势我们可以方便的监测如建筑工程的生产情况、麦田的涨势、以及监控非法入侵的人员，在无飞机航拍和军事上更是运用广泛。

目标检测发展了十多年，已经取得了不错的成果，在各评价指标上达到了SOTA（state of the air），但检测任务主要面向自然场景图像，在相应的应用问题，如人脸识别、行人检测等领域已经相对成熟，在高空航拍上发展缓慢。现在前沿的目标检测算法，这些算法往往依赖于硬件平台（尤其是GPU）对于边缘设备等计算能力比较薄弱的设备不够友好，而且高空航拍的图像往往是高分辨率并且计算能力不是很好的设备。

此外，现有技术在高空航拍的图像与被检测物体往往有这几下缺点:1，尺度多样性，航空遥感图像从几百米到近万米的拍摄高度都有，且地面目标即使是同类目标也大小不一，如港口的轮船大的有300多米，小的也只有数十米。2，视角特殊性，航空遥感图像的视角基本都是高空俯视，但常规数据集大部分还是地面水平视角，所以同一目标的模式是不同的，在常规数据集上训练的很好的检测器，使用在航空遥感图像上可能效果很差。3.小目标问题，航空遥感图像的目标很多都是小目标（几十个甚至几个像素），导致目标信息量不大。4，多方向问题，航空遥感图像采用俯视拍摄，目标的方向都是不确定的（而常规数据集上往往有一定的确定性，如行人、车辆基本都是立着的），目标检测器需要对方向具有鲁棒性；5，背景复杂度高，航空遥感图像视野比较大（通常有数平方公里的覆盖范围），视野中可能包含各种各样的背景，会对目标检测产生较强的干扰。

发明内容

基于此，有必要针对上述技术问题，提供一种基于轻量级网络的图像检测方法、系统、计算机设备和存储介质。

第一方面，本发明实施例提供了一种基于轻量级网络的图像检测方法，该方法包括：

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；

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，将不同维度的输出结果拼接在一起，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。

进一步的，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；