[发明专利]一种基于样本生成的轻量级深度模型航拍车辆检测方法

权利要求书

1.一种基于样本生成的轻量级深度模型航拍车辆检测方法，其特征在于，包括以下步骤：

(1)图像采集过程：采集针对车辆的航拍图像，并对其中的车辆进行预处理与标注；

(2)生成对抗网络生成过程：通过生成对抗网络生成新的车辆图像，与步骤(1)中得到的图片一起形成车辆数据库；

(3)轻量级网络训练过程：将步骤(2)中获得的车辆数据库送入轻量级卷积神经网络进行训练，直至网络收敛；

(4)测试图像检测过程：利用步骤(3)中训练好的轻量级网络和权重文件来检测测试图像中的车辆目标，并输出检测结果。

2.根据权利要求1所述的基于样本生成的轻量级深度模型航拍车辆检测方法，其特征在于，步骤(1)中所述预处理与标注包括：对采集到的图像进行清洗处理，过滤掉模糊，曝光过度，不包含车辆目标，车辆不完整的不满足要求的照片，之后对余下图像中的车辆目标进行标注。

3.根据权利要求1所述的基于样本生成的轻量级深度模型航拍车辆检测方法，其特征在于，步骤(2)所述生成对抗网络为多条件约束的生成对抗网络Mc-GAN，Mc-GAN通过增加判别器并且对不同的判别器使用不同的损失函数来约束生成器的图像生成。

4.根据权利要求1或3所述的基于样本生成的轻量级深度模型航拍车辆检测方法，其特征在于，步骤(2)中所述生成对抗网络生成新的车辆图像具体包括以下步骤：

(21)在航拍车辆图像中加入随机噪声，并通过Mc-GAN中的生成器在噪声位置生成航拍车辆图像；

(22)将生成的车辆图像与真实图像构成图像对，送入车辆判别器和背景判别器中，来判别生成图像的真实程度与融于背景的程度；

(23)对于背景判别器使用最小二乘损失函数进行训练

L_lsgan(D_b,G)＝E[(D_b(y)-1)²]+E[(D_b(G(x)))²]；

对于车辆判别器使用交叉熵损失函数进行训练

L_gan(D_c,G)＝E[logD_c(y_c)]+E[log(1-D_c(G(z)))]；

对于生成器增加L1正则化约束

L_l1(G)＝E(||y-G(x)||₁)；

生成器最终的损失函数为

L(G,D_b,D_c)＝L_lsgan(D_b，G)+L_gan(D_c,G)+λL_l1(G)；

(24)通过损失函数优化判别器与生成器，不断迭代直至判别器与生成器达到平衡点，即生成器能够生成足够真实的图片；

(25)在航拍图像中加入大量的随机噪声，送入训练完成的生成器中，生成大量的融于背景的车辆样本图像。

5.根据权利要求4所述的基于样本生成的轻量级深度模型航拍车辆检测方法，其特征在于，在步骤(21)中使用U-Net作为网络结构，整个网络有23个卷积层，为全卷积神经网络，输入输出均为图像，遵循编码解码结构。

6.根据权利要求4所述的基于样本生成的轻量级深度模型航拍车辆检测方法，其特征在于，步骤(22)中所述判别器使用五层卷积网络进行特征提取，使用空间金字塔池化层来得到固定长度的池化特征。