[发明专利]基于低分辨率图像的目标检测方法和系统

权利要求书

1.一种基于低分辨率图像的目标检测方法，其特征在于，包括以下步骤：

获取待检测目标的低分辨率图像；

对所述低分辨率图像进行特征提取得到相应的特征图，具体采用低分辨率适用卷积神经网络对所述低分辨率图像进行特征提取得到相应的特征图，其中，所述低分辨率适用卷积神经网络包括残差网络的第一阶段、第二阶段、第三阶段，此外，所述低分辨率适用卷积神经网络还包括：

第一上采样，所述第一上采样的图像输入端与所述残差网络的第一阶段的图像输出端相连，并且所述第一上采样的图像输出端与所述残差网络的第二阶段的图像输入端相连；第一卷积层，所述第一卷积层的图像输入端与所述第一上采样的图像输出端相连；第二上采样，所述第二上采样的图像输入端与所述残差网络的第二阶段的图像输出端相连，并且所述第二上采样的图像输出端与所述残差网络的第三阶段的图像输入端相连；第二卷积层，所述第二卷积层的图像输入端与第二上采样的图像输出端相连；第三上采样，所述第三上采样的图像输入端与所述残差网络的第三阶段的图像输出端相连；

其中，所述特征图由所述第一卷积层、所述第二卷积层和所述第三上采样的输出量逐元素相加而成，并且所述特征图的长和宽分别为所述低分辨率图像的长和宽的一半；

对所述特征图进行处理得到相应的检测框；

对所述检测框进行处理得到所述检测框的坐标和分类概率分数；

根据所述检测框的坐标和分类概率分数对所述待检测目标进行检测分类。

2.根据权利要求1所述的基于低分辨率图像的目标检测方法，其特征在于，对所述特征图进行处理得到相应的检测框，包括以下步骤：

采用区域候选网络对所述特征图进行处理得到不同类别候选框；

采用感兴趣区域池化层对所述特征图和所述不同类别候选框进行处理得到相应的检测框。

3.根据权利要求2所述的基于低分辨率图像的目标检测方法，其特征在于，所述感兴趣区域池化层内设有第一非极大值抑制算法和第二非极大值抑制算法，其中，

所述第一非极大值抑制算法为NC-NMS非极大值抑制算法，所述NC-NMS非极大值抑制算法用于将所述待检测目标的不同类别候选框当做同一类别进行抑制，以保留所述不同类别候选框中预测分数最大的候选框；

所述第二非极大值抑制算法为top-N分数选择非极大值抑制算法，所述top-N分数选择非极大值抑制算法用于根据所述待检测目标的长度对所述不同类别候选框进行抑制。

4.根据权利要求3所述的基于低分辨率图像的目标检测方法，其特征在于，对所述检测框进行处理得到所述检测框的坐标和分类概率分数，包括以下步骤：

采用第一全连接层对所述检测框进行处理得到所述检测框的坐标；

采用第二全连接层对所述检测框进行处理得到所述检测框的分类概率分数；

其中，所述第一全连接层和所述第二全连接层并列设置。