[发明专利]一种基于深度学习的图像目标快速检测方法

摘要

本发明公开了一种基于深度学习的图像目标快速检测方法，步骤为：1、建立基于深度学习的第一级Tiny YOLO目标检测模型和第二级Tiny YOLO目标检测模型；2、向第一级Tiny YOLO目标检测模型输入含有目标的测试图像，根据网络输出结果判断检测是否成功；若检测成功，根据检测区域与图像分辨率的关系判断目标是否为小目标；若不是小目标则输出检测结果；若为小目标则进行下一步；若检测失败，对输入的图片进行分块处理，然后对分块处理后的图像进行第一级Tiny YOLO网络检测；3、对第一级Tiny YOLO网络检测输出的检测区域进行放大截取，然后输入至第二级Tiny YOLO网络，进行检测处理，得到输出结果。本发明处理时间较短，识别可靠性高。

主权项

1.一种基于深度学习的图像目标快速检测方法，其特征在于，包括如下步骤：(1)建立基于深度学习的第一级Tiny YOLO目标检测模型和第二级Tiny YOLO目标检测模型；(2)向第一级Tiny YOLO目标检测模型输入含有目标的测试图像，网络的最后一层输出所有预测目标区域信息R₁:R₁＝{r_i|r_i＝(x_i,y_i,w_i,h_i,p_i,c_1i,c_2i),i＝1,2,...,845}其中r_i为第i个预测目标区域，x_i为第i个区域左上角点的横坐标，y_i为第i个区域左上角点的纵坐标，w_i为第i个区域的宽度，h_i为第i个区域的高度，p_i为第i个区域中含有目标的概率值或置信度，c_1i为第i个区域中目标为第一类(近距目标)的概率值，c_2i为第i个区域中目标为第二类(远距目标)的概率值，i的取值范围为1～845，由非极大值抑制算法得到置信度最大的目标区域r_k:r_k＝(x_k,y_k,w_k,h_k,p_k,c_1k,c_2k)p_k＝max{p_i,i＝1,2,...,845}根据目标区域r_k的目标置信度p_k及目标区域的宽高比判断检测是否成功，判断的条件如下：若检测成功，进行步骤(3)；若检测失败，进行步骤(4)；(3)根据检测区域与图像分辨率的尺寸关系确定检测区域是否为小目标区域，若为小目标则进行步骤(5)，判断为小目标的条件如下所示：W:图像宽度H:图像高度若不是小目标则输出目标区域r：r＝(x_k,y_k,w_k,h_k)(4)对输入的图片进行分块处理，然后对分块处理后的图像进行第一级Tiny YOLO网络检测；若依旧检测失败，则输出检测失败；若检测成功则进行步骤(3)；(5)对第一级Tiny YOLO网络检测输出的检测区域r_k进行放大截取，然后输入至第二级Tiny YOLO网络，第二级Tiny YOLO网络最后一层输出所有预测目标区域信息R₂：R₂＝{r_i|r_i＝(x_i,y_i,w_i,h_i,p_i,c_1i,c_2i),i＝1,2,...,50}与第一级TinyYOLO网络相同，采用非极大值抑制算法得到置信度最大的目标区域r_j＝(x_j,y_j,w_j,h_j,p_j,c_1j,c_2j)，结合放大区域的左上角坐标(x_{k_e},y_{k_e})，得到最终的输出目标区域为r：r＝(x_{k_e}+x_j,y_{k_e}+y_j,w_j,h_j)