[发明专利]一种基于两级检测相结合的图像小目标检测方法

摘要

本发明公开了一种基于两级检测相结合的小目标检测方法。原始图像送入第一个检测器检出第一级目标B1；将浅层CNN的输出特征与深层CNN的输出特征相融合得到M1’，并利用B1从M1’中框选出来相应的特征图M2；将M2作为输入特征图，送入第二级检测器的RPN模块、分类与回归模块，进行第二级目标的检测定位；将两级检测的loss相加作为整个网络的总的Loss，得到端到端的检测网络模型。本发明通过构造一个两级检测网络，先准确检测大目标，再在大目标区域检测小目标，将小目标的检测框限在最可能、最容易检测的一个局部区域，亦即大目标所在区域，从而有效去除复杂的背景干扰、降低误检概率，提升图像中小目标检测的精度。

主权项

1.一种基于两级检测相结合的图像小目标检测方法，其特征在于，包括：S1，基于faster_rcnn网络构造一个两级检测网络，所述两级检测网络包括第一级检测器和第二级检测器，其中每一级检测器均包括RPN模块和分类与回归模块；S2，利用第一级检测器检测第一级目标：原始输入图像经过处理后，送入第一级检测器的卷积神经网络模块的深卷基层，提取深度特征；基于深度特征，由第一级检测器的RPN模块得到目标候选框，将目标候选框对应区域的深度特征送入第一级检测器的分类与回归模块，进行第一级目标的检测与定位，得到第一级目标的检出框B1；S3，利用第二级检测器检测第二级目标：将第一级检测器的卷积神经网络模块中的浅卷积层输出特征与深卷积层输出特征进行多尺度特征相融合得到特征图M1’，并利用第一级目标的检出框B1从特征图M1’中框选出来相应位置框B1’；对每一个位置框B1’，提取位置框B1’在特征图M1’中的特征图，作为第二级检测器的输入特征图M2；将输入特征图M2作为输入，送入到第二级检测器的RPN模块和分类与回归模块，进行第二级目标检测定位，得到第二级目标的检测结果，即为图像中需要检出的小目标。