[发明专利]微小目标的特征识别方法、装置、电子设备及存储介质

说明书

本发明涉及智能决策技术领域，提出一种微小目标的特征识别方法，包括：对目标图像进行卷积操作，得到各个卷积层级的堆叠集合；从所述各个卷积层级的堆叠集合中筛选出目标卷积层，并根据预设的感受野系数集合对所述目标卷积层进行空洞卷积，得到空洞网络堆叠集合，将所述空洞网络堆叠集合中的各个空洞网络层进行特征融合，得到目标卷积层对应的融合网络层；依次将各个目标卷积层对应的融合网络层进行特征叠加操作，得到上下文增强特征网络层的堆叠集合；对所述上下文增强特征网络层的堆叠集合进行注意力权重计算，得到注意力增强特征网络层的堆叠集合；最后，对注意力增强特征网络层的堆叠集合进行特征识别。本发明可以提高微小目标的识别效果。

技术领域

本发明涉及智能决策技术领域，特别涉及一种微小目标的特征识别方法、装置、电子设备及存储介质。

背景技术

随着科技的发展，监控及无人机航拍等工具逐渐增多，既能保障人们人身及财产安全、方便施行勘察，也能应用于工业产品检测的方面，然而在拍摄的视频中，一些微小目标由于分辨率低、体积小等特征仍然难以检测，容易造成特征缺失，从而对于检测结果产生误判。例如交通路口识别一张图片中的车辆，比较近的车辆能够准确识别，然而在远方车辆就无法识别。因此，急需一种能够将微小目标进行特征增强的方法，提高微小目标的识别效果。

发明内容

本发明实施方式的目的在于提供一种微小目标的特征识别方法、装置、电子设备及存储介质，其目的在于提高微小目标识别时的识别效果。

为解决上述技术问题，本发明的实施方式提供了一种微小目标的特征识别方法，所述方法包括：

获取微小目标的目标图像，并利用预构建的卷积核，根据预设的卷积规则，对所述目标图像进行卷积操作，得到各个卷积层级的堆叠集合；

从所述各个卷积层级的堆叠集合中筛选出各个目标卷积层，并依次提取其中一个目标卷积层，根据预设的感受野系数集合，对所述目标卷积层进行空洞卷积，得到所述目标卷积层对应的空洞网络堆叠集合；

将所述空洞网络堆叠集合中的各个空洞网络层进行特征融合，得到所述目标卷积层对应的融合网络层；

获取全部目标卷积层对应的融合网络层，得到融合网络层的堆叠集合；

根据预设的残差连接方法及反卷积方法，依次将所述融合网络层的堆叠集合中的融合网络层进行特征叠加操作，得到上下文增强特征网络层的堆叠集合；

利用注意力机制网络对所述上下文增强特征网络层的堆叠集合进行注意力权重计算，得到注意力增强特征网络层的堆叠集合；

利用预训练的特征识别神经网络对所述注意力增强特征网络层的堆叠集合进行特征识别，得到所述微小目标的特征识别结果。

可选的，所述根据预设的残差连接方法及反卷积方法，依次将所述融合网络层的堆叠集合中的融合网络层进行特征叠加操作，得到上下文增强特征网络层的堆叠集合，包括：

将所述卷积核进行转置操作，得到转置卷积核；

提取所述融合网络层的堆叠集合中的第N层融合网络层，根据反卷积方法，利用所述转置卷积核将所述第N层融合网络层进行上采集操作，得到第N层上采集网络层，其中，所述第N层初始为最上层；

提取所述融合网络层的堆叠集合中的第N-1层融合网络层，并利用残差连接方法，将所述第N-1层融合网络层及所述第N层上采集网络层进行特征叠加操作，得到第N-1层上下文增强特征网络层；

判断所述第N-1层是否为预设数值层；

当所述第N-1层不为预设数值层，则将所述第N-1层上下文增强特征网络层定义为第N-1层融合网络层，并对所述N进行减一操作，返回上述提取所述融合网络层的堆叠集合中的第N层融合网络层的步骤：