[发明专利]一种基于深度神经网络的弱小目标识别方法

摘要

本发明涉及一种基于深度神经网络的弱小目标识别方法，是深度神经网络在计算机视觉方面的应用。本发明针对已有的神经网络对弱小目标识别精度不高、识别速度慢的问题，提出了一种新型深度神经网络结构，该结构注重对弱小目标特征的提取，通过增加图像数据深度、反复提取相同尺度特征等方法准确描述小尺度图像特征，从而实现了对弱小目标的准确识别。

主权项

一种基于深度神经网络的弱小目标识别方法，其特征在于，包括以下步骤：步骤一、获取深度神经网络训练数据，根据现有弱小目标相关数据信息，构建弱小目标图像样本数据库；步骤二、搭建深度神经网络，并采用梯度下降和反向传播算法训练深度神经网络模型：步骤三、利用高斯金字塔和滑动窗口搜索方式识别图像中的弱小目标目标，包括以下子步骤：子步骤一：确定搜索框大小为深度神经网络输入层尺寸N×N，由原始图像I构建其图像高斯金字塔，对I连续下采样获得一组图像[I₁,I₂…I_n]，其中I₁为原始图像，I_n较短边的长度为N，I₁到I_n图像尺寸按等差数列递减，n由原始图像尺寸和搜索框尺寸进行选取；子步骤二：确定检测精度P，P的取值范围为(0,1)；对[I₁,I₂…I_n]中的每一张图片使用滑动窗口策略搜索；对于[I₁,I₂…I_n]中的一张图像I_p，从左上角即左上顶角的第一个像素点起，横向和纵向每隔N/4个像素取N×N大小的图像块B，作为样本输入深度神经网络，若神经网络计算出B是目标的概率大于P，则标记出B的位置为目标；子步骤三：将[I₁,I₂…I_n]中所有图形恢复为原始图像尺寸，计算每张图中标记的窗口在原始图像中的位置和大小，若两个窗口的重叠面积大于较小窗口面积的一半，则将两窗口合并，用能同时覆盖两个窗口的最小矩形窗口代替这两个窗口的位置；最终在原始图像中标出所有被标记是目标的窗口的位置。