[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

说明书

本发明提供一种道路场景的轻量级小目标检测方法及装置、服务器，该方法包括获取道路场景的图像数据，图像数据包含道路场景中的至少一个待检测对象；对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；使用检测网络对语义特征进行训练，获取道路场景的目标检测模型；将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。该装置包括输入模块、特征提取模块以及识别模块。该服务器的处理器可以执行上述方法。本发明能够解决道路场景下的小目标检测准确性较低和难以进行实时检测的技术问题。

技术领域

本发明涉及图像处理的技术领域，具体的，涉及一种道路场景的轻量级小目标检测方法及装置、服务器。

背景技术

道路场景的目标检测是机器人导航、车辆碰撞预警、车辆辅助驾驶的基础。近年来，目标检测的发展速度十分迅速，从速度到准确度都有了非常大的提升。但是，由于小目标在图像中尺度太小，视觉信息模糊，特征提取困难，目前的目标检测算法在对于小目标的检测效果并不让人满意。尽管可以通过提高采集图像数据分辨率等方法提高小目标在图像数据中的尺度，但该方法增加了计算量，难以实现实时检测。

发明内容

针对现有技术的不足，本发明的第一目的是一种道路场景的轻量级小目标检测方法及装置，以改善小目标检测准确性较低和难以进行实时检测的技术问题。

本发明的第二目的是一种道路场景的轻量级小目标检测装置。

本发明的第三目的是一种实现上述方法的服务器。

为实现上述第一目的，本发明通过以下技术方案予以实现：一种道路场景的轻量级小目标检测方法，包括：获取道路场景的图像数据，图像数据包含道路场景中的至少一个待检测对象；对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；使用检测网络对语义特征进行训练，获取道路场景的目标检测模型；将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。

优选的，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包括：使用焦点网络将图像数据的分辨率减少一倍；使用可分离卷积网络提取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。

进一步的，使用焦点网络将图像数据的分辨率减少一倍的同时，使通道数增加四倍。

进一步的，可分离卷积网络为多层级的可分离卷积模块，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。

进一步的，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。

进一步的，使用检测网络对语义特征进行训练，获取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：

根据范数损失函数和交叉熵损失函数，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，将可分离卷积网络的最终参数得到目标检测模型。

进一步的，更新可分离卷积网络的参数时，在损失函数的值小于预先设定的阈值时终止迭代。

进一步的，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。