[发明专利]一种图像中小目标检测方法、系统、存储介质及终端

权利要求书

1.一种图像中小目标检测方法，其特征在于，所述方法包括：

当从待检测的图像中检测小目标时，加载预先训练的小目标检测模型；

剔除所述小目标检测模型中的反转注意力模块后，生成剔除后的小目标检测模型；其中，所述小目标检测模型是基于Faster RCNN检测网络、SSD检测器以及反转注意力模块创建的，所述反转注意力模块用于实现模型训练时将不同维度下生成的特征图进行融合；

将所述待检测的目标图像输入所述剔除后的小目标检测模型中，提取至少一个小目标特征；

对所述至少一个小目标特征进行分类和边框回归处理后，生成处理后的小目标。

2.根据权利要求1所述的方法，其特征在于，所述生成处理后的小目标检测框之后，还包括：

输出所述处理后的小目标，并将所述小目标进行展示。

3.根据权利要求1所述的方法，其特征在于，还包括按照下述方法生成所述预先训练的小目标检测模型，包括：

设计小目标检测网络；

从图像数据库采集多个训练数据样本；

将所述多个训练数据样本输入所述创建的小目标检测网络进行训练，输出所述小目标检测网络的损失值；

当所述损失值到达预设最小阈值时，网络训练结束并生成预先训练的小目标检测模型。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

当所述损失值未到达预设最小阈值时，优化所述创建的小目标检测网络的模型参数；以及

继续执行所述将所述多个训练数据样本输入所述创建的小目标检测网络进行训练的步骤。

5.根据权利要求3所述的方法，其特征在于，所述设计小目标检测网络，包括：

利用Faster RCNN检测网络和SSD检测器构建成多个检测网络；

采用注意力神经网络以及网络权重更新算法创建反转注意力模块；

将所述反转注意力模块添加到所述多个检测网络中，生成小目标检测网络。

6.根据权利要求3所述的方法，其特征在于，所述小目标检测网络包括目标特征提取模块、候选区域生成模块、目标区域池化模块、候选目标检测模块、反转注意力模块以及更新特征图模块；

所述将所述多个训练数据样本输入所述创建的小目标检测网络进行训练，输出所述小目标检测网络的损失值，包括：

目标特征提取模块通过VGG和/或RESNET卷积神经网络提取所述多个训练样本中每张图片的多个特征图；

候选区域生成模块通过候选区域生成网络从所述多个特征图中计算出所述多个特征图对应的小目标区域候选框；

目标区域池化模块将所述多个特征图对应的小目标区域候选框中感兴趣的目标区域进行池化操作，生成池化后的多个小目标区域候选框对应的特征图；

候选目标检测模块将所述多个训练样本中每张图片上的目标候选框对应的RoI特征进行分类并在原图上对边框进行回归操作，生成池化后的多个小目标区域候选框对应的分类损失和回归损失；

反转注意力模块基于多个小目标区域候选框对应的分类损失计算所述池化后的多个小目标区域候选框对应的特征图的特征图梯度，并基于所述多个小目标区域候选框对应的特征图的特征图梯度生成注意力反转增强模板图；

更新特征图模块将所述注意力反转增强模板图与所述池化后的多个小目标区域候选框对应的特征图进行逐元素乘积，生成融合后的特征图，根据所述融合后的特征图进行前向传播以计算检测损失，并输出所述小目标检测网络的损失值。