公开(公告)号：CN114494728B

公开(公告)日：2024-06-07

申请号：CN202210123900.X

申请日：2022-02-10

Applicant: 北京工业大学

Inventor： 杜金莲 ,  李攀 ,  张潇 ,  苏航 ,  赵青

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的小目标检测方法，包括以下步骤：对训练数据中的小目标进行数据增强。通过特征提取网络对处理后的图像进行特征提取，将特征图通过级联进行融合作为特征图。特征图经过通道注意力模块加权后再经过空间注意力模块得到最终的特征图。将所提取的潜在目标根据面积大小划分为常规目标与小目标。对小目标区域进行RoIAlign区域池化操作，对池化结果进行类别判断与位置回归得到最终检测结果；使用混合注意力模块，提升RPN区域提取能力，将提取的区域按照面积大小区分为小目标与其他目标两类，对小目标区域使用RoIAlign区域池化，充分利用了小目标区域的特征信息，从而在减少计算量增加的同时提升了网络对小目标的检测能力。

公开(公告)号：CN114494728A

公开(公告)日：2022-05-13

申请号：CN202210123900.X

申请日：2022-02-10

Applicant: 北京工业大学

Inventor： 杜金莲 ,  李攀 ,  张潇 ,  苏航 ,  赵青

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的小目标检测方法，包括以下步骤：对训练数据中的小目标进行数据增强。通过特征提取网络对处理后的图像进行特征提取，将特征图通过级联进行融合作为特征图。特征图经过通道注意力模块加权后再经过空间注意力模块得到最终的特征图。将所提取的潜在目标根据面积大小划分为常规目标与小目标。对小目标区域进行RoIAlign区域池化操作，对池化结果进行类别判断与位置回归得到最终检测结果；使用混合注意力模块，提升RPN区域提取能力，将提取的区域按照面积大小区分为小目标与其他目标两类，对小目标区域使用RoIAlign区域池化，充分利用了小目标区域的特征信息，从而在减少计算量增加的同时提升了网络对小目标的检测能力。