[发明专利]一种基于弱边缘的小尺度目标检测方法

权利要求书

1.一种基于弱边缘的小尺度目标检测方法其特征在于，该方法包括以下步骤：

步骤1：构建弱边缘检测网络，过程如下：

步骤1.1：该网络由五个阶段组成，每个阶段之间连接一个MaxPooling层；

步骤1.2：第一个阶段的结果连接一个卷积核为1*1的卷积层和一个softmax层；

步骤1.3:第二至五阶段，每一阶段连接一个全连接层，一个解卷积层和一个softmax层；

步骤1.4:将每一阶段的结果融合得到边缘检测结果；

步骤2：损失函数构建，过程如下：

步骤2.1：构建主干网络的损失函数；

步骤2.2：构建每一旁路分支的损失函数；

步骤2.3：将多个支路的辅助损失函数和融合特征上的损失函数进行加权求和；

步骤3：连通区域分析，过程如下：

步骤3.1：对生成的弱边缘图进行二值化处理；

步骤3.2：确定连通区域；

步骤3.3：确定最小包围框，生成多实例建议区域；

步骤4：在多实例建议区获取单实例建议区域，进行区域内目标检测，过程如下：

步骤4.1：在多实例建议区域上使用RPN检测检测出小尺寸目标；

步骤4.2：汇总所有多实例建议区域的检测结果；

步骤4.3：使用Fast R-CNN对检测结果进一步调整；

经过上述步骤的操作，即可实现对图像中的小尺寸目标的检测。

2.如权利要求1所述的一种基于弱边缘的小尺度目标检测方法，其特征在于，所述步骤1.1中，该网络主要以VGG16为基础，由五个阶段组成，每个阶段之间连接2*2的MaxPooling层来降采样，得到不同尺度的特征；

所述步骤1.2中，第一阶段的卷积层后面使用一个1*1的卷积核和通道深度为21的卷积层；

所述步骤1.3中，第二至第五阶段都添加一个解卷积层用于放大特征图尺寸，后面连接一个sigmoid函数；

所述步骤1.4中，对五个阶段的输出进行联合，使用一个1*1的卷积层进行特征融合，最后使用一个sigmoid层得到边缘检测结果，前五个阶段的1*1的卷积层用高斯分布(N(0，0.01²))进行初始化，融合阶段的1*1卷积层权重使用0.2进行初始化，偏差全部用0初始化。