[发明专利]一种小目标检测识别方法、装置、系统和存储介质

权利要求书

1.一种小目标检测识别方法，其特征在于，所述方法包括：

获取待检测识别的目标图像；

将所述目标图像输入到预设的卷积神经网络模型中进行检测识别并输出检测识别结果；其中，预设的所述卷积神经网路模型可对所述目标图像进行卷积处理、残差处理、下采样处理以及特征融合处理，得到目标图像特征融合结果，并对得到的所述目标图像特征融合结果进行检测识别；

预设的所述卷积神经网络模型对所述目标图像进行检测识别并输出检测识别结果，具体包括：

对所述目标图像进行卷积处理，并做第一次下采样处理，得到第一特征图；

对所述第一特征图进行第一阶段残差处理，并做第二次下采样处理，得到第二特征图；

对所述第二特征图进行第二阶段残差处理，并做第三次下采样处理，得到第三特征图；

对所述第三特征图进行第三阶段残差处理，得到第四特征图；

对所述第四特征图进行第四次下采样处理，得到第五特征图；

对所述第五特征图进行第四阶段残差处理，得到第六特征图；

对所述第六特征图进行第五次下采样处理，并做第五阶段残差处理，得到第七特征图；

将所述第四特征图、所述第六特征图和所述第七特征图进行特征融合，得到融合特征结果；

将所述融合特征结果输入预设的检测器进行检测识别，得到并输出检测识别结果，预设的所述检测器由样本图像训练得来。

2.根据权利要求1所述的方法，其特征在于，所述第一阶段残差处理中，残差处理的次数为1次；所述第二阶段残差处理中，残差处理的次数2次；所述第三阶段残差处理中，残差处理的次数8次；所述第四阶段残差处理中，残差处理的次数8次；所述第五阶段残差处理中，残差处理的次数4次。

3.根据权利要求1所述的方法，其特征在于，所述对所述第三特征图进行第三阶段残差处理，得到第四特征图的步骤具体为：

对所述第三特征图进行第三阶段残差处理，并做双支路特征增强处理，得到第四特征图；

和/或

所述对所述第五特征图进行第四阶段残差处理，得到第六特征图的步骤具体为：

对所述第五特征图进行第四阶段残差处理，并做双支路特征增强处理，得到第六特征图；

和/或

所述对所述第六特征图进行第五次下采样处理，并做第五阶段残差处理，得到第七特征图的步骤具体为：

所述对所述第六特征图进行第五次下采样处理，并做第五阶段残差处理，并做双支路特征增强处理，得到第七特征图。

4.根据权利要求1所述的方法，其特征在于，所述将所述第四特征图、所述第六特征图和所述第七特征图进行特征融合，得到融合特征结果的步骤，具体包括：

将所述第四特征图、所述第六特征图和所述第七特征图进行残差特征增强处理，所述残差特征增强处理包括对所述第四特征图、所述第六特征图和所述第七特征图进行降维处理和上采样处理，使所述第四特征图、所述第六特征图和所述第七特征图的维度和尺度大小一致；

将残差特征增强处理后的所述第四特征图、所述第六特征图和所述第七特征图进行特征图拼接操作，并进行卷积处理，得到三个注意力特征图；

将三个所述注意力特征图分别与对应的特征图相加，并进行权值融合，得到融合特征结果。

5.根据权利要求1所述的方法，其特征在于，所述残差处理包括：

对输入的特征图进行卷积处理和批归一化处理，再通过非线性激活函数进行激活输出，所述批归一化处理可用公式表示为：

其中，其中ε＝1e-5，x为输入数据向量，包括通道数、batch数、特征图尺寸参数。

6.根据权利要求3所述的方法，其特征在于，所述双支路特征增强处理包括：

对输入的特征图的特征向量进行至少两次卷积处理，得到至少两个子向量；

对至少两个所述子向量的权重进行标定，并对标定后的至少两个子向量进行加法操作，得到输出的增强特征图。