[发明专利]航拍图像的检测方法、存储介质和电子装置

说明书

本发明提供了一种航拍图像的检测方法、存储介质和电子装置；其中，该方法包括：将待检测的航拍图像数据输入到预先已训练的神经网络中；其中，已训练的神经网络包括多个残差模块，且少于标准神经网络中残差模块的数量；通过多个残差模块对待检测的航拍图像数据进行卷积操作，并将卷积操作结果中的第一特征图进行上采样后按照特征图通道数与指定残差模块进行融合得到第二特征图；其中，第一特征图的尺寸小于第二特征图的尺寸；在第二特征图中检测目标图像，并从检测结果中输出置信度阈值大于预设置信度阈值的目标图像。通过本发明，解决了相关技术中通过传统的纹理特征或者其他特征是很难提取到较好的目标物体特征的问题。

技术领域

本发明涉及通信领域，具体而言，涉及一种航拍图像的检测方法、存储介质和电子装置。

背景技术

随着工业科技的迅猛发展以及空、天平台数据获取能力的日益增强，利用无人机技术进行目标检测和识别受到越来越多的重视。同时，随着无人机技术的发展，无人机可以获得越来越多的高分辨率图像，这也为无人机自动目标检测提供了有利的依据。目标检测技术在智能化无人机侦查作战，精确打击等领域应用十分广泛。同时，在现有目标检测技术中基于深度学习的目标检测技术得了很好的发展。因此将基于深度学习的目标检测技术应用在无人机图像处理技术是一个很好的研究课题。但由于在无人机航拍图像中，目标物体往往占有整副图像中较少的像素，给无人机航拍图像目标检测造成了一定的难度。

在传统的目标检测中，往往利用边缘检测、纹理特征等方法对图像进行处理。近年来，人工智能领域得到了蓬勃发展，基于深度学习的目标检测算法在学术界目标检测公共数据集上的准确率得到了很大的提升，使得目标检测算法完全满足实时性的要求。无人机是一个国家国防建设的重要领域，通过无人机航拍的图像对地面目标进行精准定位和识别是十分迫切需要解决的问题。无人机航拍的图像往往具有以下特点：1)飞行高度较高；2)拍场景较大；3)图像中目标像素较小；如果仅仅使用传统的纹理特征或者其他特征是很难提取到较好的目标物体特征。

针对相关技术中的上述问题，目前尚未存在有效的解决方案。

发明内容

本发明实施例提供了一种航拍图像的检测方法、存储介质和电子装置，以至少解决相关技术中通过传统的纹理特征或者其他特征是很难提取到较好的目标物体特征的问题。

根据本发明的一个实施例，提供了一种航拍图像的检测方法，包括：将待检测的航拍图像数据输入到预先已训练的神经网络中；其中，所述已训练的神经网络包括多个残差模块，且所述已训练的神经网络中的残差模块的数量少于标准神经网络中残差模块的数量；通过所述多个残差模块对所述待检测的航拍图像数据进行卷积操作，并将卷积操作结果中的第一特征图进行上采样后按照特征图通道数与指定残差模块进行融合得到第二特征图；其中，所述第一特征图的尺寸小于所述第二特征图的尺寸；在所述第二特征图中检测目标图像，并从检测结果中输出置信度阈值大于预设置信度阈值的目标图像。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

本申请中涉及到的用于对航拍图像进行检测的神经网络结构相对于现有网络结构更加简洁，从而使得本申请中的神经网络的权重相对于现有网络结构少，同时在本申请中将卷积操作结果中的第一特征图进行上采样后按照特征图通道数与指定残差模块进行融合得到第二特征图，即在本申请中无需对多尺度特征图进行检测，只保留一个较大尺寸的特征图即可，避免了航拍图像中小目标被遗漏，从而解决了相关技术中通过传统的纹理特征或者其他特征是很难提取到较好的目标物体特征的问题。

附图说明