[发明专利]小目标识别方法、装置、电子设备、介质及产品

权利要求书

1.一种小目标识别方法，其特征在于，包括：

确定待检测的图像；

输入所述待检测的图像至小目标识别模型，获得所述小目标识别模型输出的目标识别结果；

其中，所述小目标识别模型是基于样本图像的高分辨率特征图和样本图像对应的类别标签训练得到的，所述样本图像包括大目标样本图像和小目标样本图像，所述小目标识别模型包括特征提取器、生成器和第一分类器，所述特征提取器用于获取所述大目标样本图像和小目标样本图像的浅层特征图，所述生成器用于获取所述小目标样本图像的深层特征图，所述第一分类器用于根据高分辨率特征图输出目标识别结果，所述高分辨率特征图是根据所述小目标样本图像的浅层特征图和所述小目标样本图像的深层特征图进行融合得到的，所述生成器是基于所述高分辨率特征图，以及判别器进行对抗训练得到的，所述判别器用于鉴别所述大目标样本图像的浅层特征图和高分辨率特征图。

2.根据权利要求1所述小目标识别方法，其特征在于，所述小目标识别模型还包括第二分类器，所述第二分类器用于根据生成器生成的小目标样本图像的深层特征图输出目标识别结果，所述小目标识别模型还用于将第一分类器和第二分类器的目标识别结果进行极大抑制后，获得最终的目标识别结果。

3.根据权利要求1所述小目标识别方法，其特征在于，所述确定待检测的图像包括：

获取原始图像；

对所述原始图像进行预处理和图像质量提升，获得待检测的图像。

4.根据权利要求1～3中任一种所述小目标识别方法，其特征在于，所述小目标识别模型训练时的任一次迭代包括：

获取所述样本图像，所述样本图像根据目标区域的尺寸分为小目标样本图像和大目标样本图像；

将带有类别标签的所述大目标样本图像输入所述特征提取器进行训练，更新特征提取器和第一分类器的训练参数；

将带有类别标签的所述小目标样本图像分别输入所述经过参数更新的特征提取器和所述生成器，分别获得小目标样本图像的浅层特征图和深层特征图；

将小目标样本图像的浅层特征图和深层特征图进行特征融合后获得所述小目标样本图像的高分辨率特征图；

将所述小目标样本图像的高分辨率特征图和所述大目标样本图像的浅层特征图输入所述第一分类器和判别器进行训练，更新所述第一分类器和判别器的训练参数。

5.一种小目标识别装置，其特征在于，包括：

准备模块，用于确定待检测的图像；

检测模块，用于输入所述待检测的图像至小目标识别模型，获得所述小目标识别模型输出的目标识别结果；

其中，所述小目标识别模型是基于样本图像的高分辨率特征图和样本图像对应的类别标签训练得到的，所述样本图像包括大目标样本图像和小目标样本图像，所述小目标识别模型包括特征提取器、生成器和第一分类器，所述特征提取器用于获取所述大目标样本图像和小目标样本图像的浅层特征图，所述生成器用于获取所述小目标样本图像的深层特征图，所述第一分类器用于根据高分辨率特征图输出目标识别结果，所述高分辨率特征图是根据所述小目标样本图像的浅层特征图和所述小目标样本图像的深层特征图进行融合得到的，所述生成器是基于所述高分辨率特征图，以及判别器进行对抗训练得到的，所述判别器用于鉴别所述大目标样本图像的浅层特征图和高分辨率特征图。

6.根据权利要求5所述小目标识别装置，其特征在于，所述小目标识别模型还包括第二分类器，所述第二分类器用于根据生成器生成的小目标样本图像的深层特征图输出目标识别结果，所述小目标识别模型还用于将第一分类器和第二分类器的目标识别结果进行极大抑制后，获得最终的目标识别结果。

7.根据权利要求5所述小目标识别装置，其特征在于，所述准备模块包括：

采集模块，用于获取原始图像；

预处理模块，用于对所述原始图像进行预处理和图像质量提升，获得待检测的图像。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述小目标识别方法的步骤。