[发明专利]一种基于R-FCN的小目标检测方法

摘要

本发明公开了一种基于R‑FCN的小目标检测方法，涉及图像处理领域，该方法包括：将待测图像导入卷积网络，按照从M个网络层的最顶层至最底层的顺序以及按照从M个网络层的最底层至最顶层的顺序通过M个网络层依次对待测图像进行特征提取，生成尺度不同的特征映射图，选取N层特征映射图导入RPN进行前后景分类，确定前景区域的坐标，将前景区域的坐标对应的特征映射块处理为特征向量；将各个特征向量输入分类器中进行二次分类，检测特征向量所属的类别是否对应待检测的小目标并输出检测结果，本发明采用top‑down特征金字塔和down‑top特征金字塔相结合的方式，在不同尺度的特征映射图上进行小目标检测，可以减少对小目标的漏报，提高检测精度。

主权项

1.一种基于R‑FCN的小目标检测方法，其特征在于，所述基于区域的全卷积网络R‑FCN包括卷积网络、候选窗口网络RPN和分类器，所述方法包括：采集待测图像，将所述待测图像导入所述卷积网络，所述卷积网络中包括M个网络层，每个所述网络层中至少包括卷积层和采样层，M为正整数且M≥2；按照从所述M个网络层的最顶层至最底层的顺序通过所述M个网络层依次对所述待测图像进行特征提取，生成所述待测图像的M层尺度依次减小的特征映射图；以及，按照从所述M个网络层的最底层至最顶层的顺序通过所述M个网络层依次对所述待测图像进行特征提取，生成所述待测图像的M层尺度依次增大的特征映射图；选取N层特征映射图导入所述RPN，对于每个所述特征映射图，通过所述RPN对所述特征映射图中的前景区域和后景区域进行前后景分类，并确定所述前景区域的坐标，N为正整数且N≥2；确定所述特征映射图中与所述前景区域的坐标对应的特征映射块，将所述特征映射块处理为特征向量；将各个特征向量输入所述分类器中进行二次分类，检测所述特征向量所属的类别是否对应待检测的小目标并输出检测结果，所述小目标是所述待测图像中所占面积小于预定面积的目标；所述方法还包括：选取训练样本集，所述训练样本集中包括若干个样本图像和每个所述样本图像中的目标框的监督信息，所述目标框用于对所述样本图像中的所述小目标进行标注，所述监督信息包括所述样本图像中的目标框的位置信息和属性信息，所述目标框的位置信息包括所述目标框的横坐标和纵坐标，所述目标框的属性信息包括所述目标框的长度和宽度；根据所述训练样本集训练得到所述R‑FCN；其中，所述根据所述训练样本集训练得到所述R‑FCN，包括：将所述训练样本集中的各个所述样本图像输入所述R‑FCN，输出检测结果；根据所述检测结果、所述样本图像的所述监督信息和修正函数更新所述R‑FCN，所述修正函数为：其中，L_cls(W,x,y)＝‑log P_y(x)，其中，B表示大样本数据集，所述训练样本集是所述大样本数据集B的子集且所述训练样本集包括的样本图像的数量远小于所述大样本数据集B中的样本图像的数量，x表示输入的所述样本图像，y表示所述检测结果，φ(x)表示对样本图像进行卷积后卷积层的输出，W为各个分类器权值的集合，w是其中一个分类器的权值，λ是一个常数，j是一个变量。