[发明专利]小目标物体图像检测方法、装置、电子设备及存储介质

说明书

本申请公开了一种小目标物体图像检测方法、装置、电子设备及计算机可读存储介质。该方法通过软件方式，使用基于卷积神经网络的图像检测模型对图像数据中小目标物体（例如灰尘）进行检测，其中，在使用该图像检测模型的卷积神经网络提取图像特征时，引入了注意力机制对卷积神经网络中主干网络的浅层特征（局部细粒度特征）和特征金字塔网络的深层特征（整体粗粒度语义特征）的融合，既可以让细节信息得以保留，又使得语义信息得到有效提取，从而可以更准确地检测到输入的图像数据中是否存在小目标物体以及小目标物体的具体位置。如此，既不需要额外的硬件装置，且简单易操作，可在不同背景下进行小目标物体的检测，实时性高可应用的范围更广。

技术领域

本申请涉及图像处理领域，尤其涉及一种小目标物体图像检测方法及装置。

背景技术

如果相机传感器及镜头上沾有灰尘，则会在拍摄到的图像中产生白点，对图像质量有很大影响。因此，需要及时对相机传感器及镜头上的灰尘进行检测并发出警报。

现有的灰尘检测方法主要分为基于硬件的检测方法和基于软件的检测方法。

其中，基于硬件的检测方法主要是通过检测红外接收管输出端的电压变化，从而判断相机镜头是否覆盖灰尘。但是这种检测方法成本较高且不易实现。

基于软件的检测方法主要利用图像处理技术对图像中由灰尘产生的白点进行检测，主要包括：使用待测相机对白色平面进行拍照，得到测试图像；对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像；根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测。但这种方法需要相机在特定环境下（白色平面）拍摄的图片才能进行检测，不能在相机工作的时候及时检测出灰尘，可应用的范围较小。

因此如何改进基于软件的检测方法，使相机在工作时即可及时检测出灰尘，还是亟需解决的一个技术问题。

发明内容

本申请人发明人创造性地提供一种小目标物体图像检测方法、装置、电子设备及计算机存储介质。

根据本申请实施例第一方面，提供一种小目标物体图像检测方法，该方法包括：获取待检测图像数据；使用第一图像检测模型对待检测图像数据进行检测以判断待检测图像数据中是否存在小目标物体得到第一检测结果，其中，第一图像检测模型基于卷积神经网络，卷积神经网络包括主干网络和特征金字塔网络，卷积神经网络使用注意力机制对主干网络的浅层特征和特征金字塔网络的深层特征进行融合；返回第一检测结果。

根据本申请一实施例，主干网络的浅层特征包括：对主干网络下采样提取得到的浅层特征进行维度池化后得到的一维浅层特征。

根据本申请一实施例，注意力机制包括空间注意力机制。

根据本申请一实施例，使用注意力机制对主干网络的浅层特征和特征金字塔网络的深层特征进行融合，包括：使用注意力机制将主干网络下采样提取得到的浅层特征通过跳跃连接反馈至特征金字塔网络下采样提取得到深层特征的过程中，并对主干网络的浅层特征和特征金字塔网络的深层特征进行融合。

根据本申请一实施例，特征金字塔网络下采样提取得到深层特征的过程包括N轮下采样，N为自然数，相应地，对主干网络的浅层特征和特征金字塔网络的深层特征进行融合，包括：对主干网络的浅层特征和特征金字塔网络第N轮下采样得到的深层特征进行融合。

根据本申请一实施例，N为1。

根据本申请一实施例，在使用第一图像检测模型对待检测图像数据进行检测以判断待检测图像数据中是否存在小目标物体得到第一检测结果之前，该方法还包括：构建基于卷积神经网络的机器学习模型；获取带有标注的图像数据集作为训练图像数据；使用训练图像数据对机器学习模型进行训练得到第一图像检测模型。