[发明专利]一种道路场景的轻量级小目标检测方法及装置、服务器

权利要求书

1.一种道路场景的轻量级小目标检测方法，其特征在于，包括：

获取道路场景的图像数据，所述图像数据包含所述道路场景中的至少一个待检测对象；

对所述图像数据进行尺度归一化处理；

通过轻量化跨阶段局部网络对所述图像数据的高分辨语义特征的提取；

使用全卷积网络预测物体出现的位置和类别；

使用检测网络对所述语义特征进行训练，获取所述道路场景的目标检测模型；

将道路场景的图像数据输入所述目标检测模型，实现对至少一个所述待检测对象的识别。

2.根据权利要求1所述的道路场景的轻量级小目标检测方法，其特征在于：

通过轻量化跨阶段局部网络对所述图像数据的高分辨语义特征的提取包括：

使用焦点网络将所述图像数据的分辨率减少一倍；

使用可分离卷积网络提取所述图像数据的多尺度语义特征，依次提取不同尺度和层次的图像语义特征；

使用特征金字塔网络和路径聚合网络对不同语义特征进行融合与增强。

3.根据权利要求2所述的道路场景的轻量级小目标检测方法，其特征在于：

使用所述焦点网络将所述图像数据的分辨率减少一倍的同时，使通道数增加四倍。

4.根据权利要求3所述的道路场景的轻量级小目标检测方法，其特征在于：

所述可分离卷积网络为多层级的可分离卷积模块，所述可分离卷积模块中的每个模块在上一级语义特征提取的基础上，进行可分离卷积和残差连接，提取下一层级的图像语义特征。

5.根据权利要求2所述的道路场景的轻量级小目标检测方法，其特征在于：

使用特征金字塔网络和路径聚合网络对不同语义特征进行融合与增强包括：使用上采样实现不同尺度特征图的分辨率对齐，使用可分离卷积操作实现多特征图的相互融合。

6.根据权利要求2至5任一项所述的道路场景的轻量级小目标检测方法，其特征在于：

使用检测网络对所述语义特征进行训练，获取所述道路场景的目标检测模型，包括：

对输入图像的训练数据采用Mosaic方法、随机缩放、随机裁剪、随机排布或者拼接的至少一种方法进行数据增强；

根据所述预测物体出现的位置与真实物体出现的位置，计算能够同时框住真实框与预测框的最小的框，构建一范数损失函数：

根据所述预测物体的类别与真实出现物体的类别，以表示类别总个数，为经过激活函数后得到的当前类别的概率，为当前类别的真实值，构建交叉熵损失函数：

根据所述范数损失函数和所述交叉熵损失函数，使用随机梯度下降迭代优化损失函数，更新可分离卷积网络的参数，将所述可分离卷积网络的最终参数得到目标检测模型。

7.根据权利要求6所述的道路场景的轻量级小目标检测方法，其特征在于：

更新所述可分离卷积网络的参数时，在所述损失函数的值小于预先设定的阈值时终止迭代。

8.根据权利要求1至4任一项所述的道路场景的轻量级小目标检测方法，其特征在于：

所述待检测对象至少包括以下的一个：轿车、卡车、公交车、摩托车、自行车、行人。

9.一种道路场景的轻量级小目标检测装置，其特征在于，包括：

特征提取模块，用于通过轻量化跨阶段局部网络对图像数据的高分辨语义特征的提取；

训练模块，使用全卷积网络预测物体出现的位置和类别，并使用检测网络对所述语义特征进行训练，获取所述道路场景的目标检测模型，并将道路场景的图像数据输入所述目标检测模型，实现对至少一个待检测对象的识别；

输入模块，用于将所述道路场景的图像数据输入目标检测模型，实现对至少一个待检测对象的识别。

10.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时可以实现权利要求1至8任一项所述的道路场景的轻量级小目标检测方法。