[发明专利]小目标对象检测方法、装置、电子设备及存储介质

权利要求书

1.一种小目标对象检测方法，其特征在于，包括：

获取原始输入图像，利用分辨率检测模型对所述原始输入图像进行检测，以判断所述原始输入图像是否满足预设分辨率要求；

当所述原始输入图像不满足所述预设分辨率要求时，利用训练后的超分辨率增强模型对所述原始输入图像执行图像增强操作，输出符合所述预设分辨率要求的目标图像；

将所述目标图像输入到小目标对象检测模型中，利用所述小目标对象检测模型对所述目标图像中的小目标对象进行定位和识别，得到每个所述小目标对象的位置信息以及数量信息；所述小目标对象检测模型中选择yolov5作为检测器；

所述利用分辨率检测模型对所述原始输入图像进行检测，以判断所述原始输入图像是否满足预设分辨率要求，包括：

对所述原始输入图像进行分辨率检测，将所述原始输入图像的分辨率与预设的最低分辨率进行比较，当所述原始输入图像的分辨率大于或等于所述最低分辨率时，将所述原始输入图像作为目标图像；当所述原始输入图像的分辨率小于所述最低分辨率时，确定所述原始输入图像对应的超分辨率放大倍数；

所述利用训练后的超分辨率增强模型对所述原始输入图像执行图像增强操作，包括：

对所述原始输入图像进行特征提取，得到原始特征图，将所述原始特征图输入到连续的基本模块中进行处理，得到第一特征图，对所述第一特征图进行卷积处理后与所述原始特征图连接，得到第二特征图，将所述第二特征图进行上采样处理后得到第三特征图，将所述第三特征图输入连续卷积层后得到所述目标图像；所述基本模块包含连续的多个密集连接卷积模块，每个所述密集连接卷积模块包含连续的多个卷积和激活函数层，所述多个卷积和激活函数层之后连接一个卷积层；

其中，所述超分辨率增强模型利用以下方式进行训练，包括：

获取原始样本图像，将所述原始样本图像作为预定的高阶退化模型的输入，利用所述高阶退化模型对所述原始样本图像依次进行一阶段退化处理和二阶段退化处理，得到模拟退化图像，利用所述原始样本图像与所述模拟退化图像组成的样本对生成第一训练数据，并利用所述第一训练数据对所述超分辨率增强模型进行训练；

所述小目标对象检测模型利用以下方式进行训练，包括：

将原始样本图像输入到所述超分辨率增强模型进行处理，得到超分辨率增强后的图像，对所述超分辨率增强后的图像进行缩放，得到预设分辨率的样本图像，利用预设的数据增强方式对所述预设分辨率的样本图像进行数据增强，得到数据增强后的样本图像，利用所述数据增强后的样本图像生成第二训练数据，并利用所述第二训练数据对所述小目标对象检测模型进行训练；其中，所述数据增强方式采用马赛克增强、仿射变换、MixUP数据增强或者HSV随机增强。

2.根据权利要求1所述的方法，其特征在于，所述利用所述高阶退化模型对所述原始样本图像依次进行一阶段退化处理和二阶段退化处理，包括：

将所述原始样本图像输入到一阶段退化模型中，利用所述一阶段退化模型中的模糊核进行卷积，将卷积处理后的图像采用比例因子进行下采样操作，对下采样操作后的图像进行噪声处理，并对噪声处理后的图像进行压缩；

将压缩处理后的图像输入到二阶段退化模型中，利用所述二阶段退化模型中的模糊核进行卷积，将卷积处理后的图像采用比例因子进行下采样操作，对下采样操作后的图像进行噪声处理，并对噪声处理后的图像进行压缩，得到最终的模拟退化图像。