[发明专利]一种轻量化的无人机图像小目标检测方法

权利要求书

1.一种轻量化的无人机图像小目标检测方法，对输入的待测无人机图像视频，执行如下步骤：

步骤一：按时序取一帧图像，将当前帧图像缩放至设定尺寸大小；

步骤二：缩放后的图像输入Revised MobileNetV2特征提取器，输出尺度为16×16的特征图；

去掉MobileNetV2特征提取器的最后一层1×1卷积形成Revised MobileNetV2特征提取器；

步骤三：将提取的特征图输入同步上采样和检测模块；所述的同步上采样和检测模块包含基于子像素卷积结构的四个分支，分别为中心点分支、中心点偏移分支、中心点目标性分支和尺度分支，前三个分支共同决定中心点的位置，尺度分支决定各中心点对应目标的尺度；

中心点目标性分支输出一个二分类目标性热图，标记对应图像中的各个点是否为任一感兴趣类别目标的中心点；

步骤四：通过预测的目标中心点位置和对应尺度得到当前帧的所有预测目标框，保存结果；判断是否对当前待测视频的所有帧都进行了检测，若是，进入步骤五执行，否则，返回步骤一执行；

步骤五：对待测视频的所有帧预测结果进行快速序列非最大值抑制处理，得到最终的目标检测结果。

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，将图像缩放至512×512像素大小。

3.根据权利要求1所述的方法，其特征在于，所述的步骤三中，在同步上采样和检测模块中，在每个分支，使用子像素卷积对特征图先进行升维，再通过周期重排得到上采样输出。

4.根据权利要求1所述的方法，其特征在于，所述的步骤三中，同步上采样和检测模块对特征图进行检测时，预测的目标框的分数由每个中心点的分类分数和目标性分数结合得到，表示如下：

Score＝heatmap_cls×F(heatmap_obj)

其中，Score为目标框分数，heatmap_cls为中心点分支输出的逐类别预测的热图，heatmap_obj为中心点目标性分支输出的二分类目标性热图，F(x)为目标性分数的预处理函数，x代表热图中像素点的值。

5.根据权利要求1所述的方法，其特征在于，所述的步骤五中，进行快速序列非最大值抑制处理，包括：首先对预测目标框抑制去重，再进行预测目标框序列选择和重打分；其中，抑制去重是指在各帧帧内对该帧的所有预测目标框进行非最大值抑制处理；序列选择是指选取各帧去重后分数降序排列的前K个预测目标框后，计算相邻前后帧的预测目标框间的IOU值，将IOU值大于阈值B的预测目标框联系起来，此时整个视频序列对应得到多条不同长短的有重叠的时序目标框序列，选择其中目标框总分数最大的时序目标框序列；重打分是指对选择的时序目标框序列，将序列的目标框的分数平均值赋给序列中的每个预测目标框；然后排除当前总分数最大的时序目标框序列，重新进行预测目标框序列选择和重打分，直至没有时序目标框序列可以选择；其中，K为正整数，B为大于0的实数。