[发明专利]一种基于多任务生成对抗网络的真实场景小物体检测方法

摘要

本发明提出了一种基于多任务生成对抗网络的真实场景小物体检测方法，属于计算机视觉领域中的物体检测技术领域。所述检测方法将多任务生成对抗网络引入到物体检测中，通过让多任务生成对抗网络中的生成器网络和鉴别器网络相互博弈的方式进行学习，实现小物体检测网络的建立进而完成图像的小物体检测。所述小物体检测方法克服了现阶段的物体检测方法在真实场景中检测正确率低的困难，促进了基于深度学习的物体检测方法在真实场景下的应用。

主权项

1.一种基于多任务生成对抗网络的真实场景小物体检测方法，其特征在于，所  述检测方法包括：步骤一：确定一个训练样本集，并利用所述训练样本集训练一个物体检测器；所述训练样本集中包含多张图像；步骤二：利用所述物体检测器为多任务生成对抗网络截取产生训练样本；步骤三：根据所述训练样本构建多任务生成对抗网络训练样本；所述多任务生成对抗网络训练样本中包括正训练样本和负训练样本；步骤四：将截取产生的训练样本作为高分辨率图像，利用双线性插值法将所述高分辨率图像下采样4倍获得的图像作为相应的低分辨率图像；步骤五：分别建立以低分辨率图像为输入的生成器网络和以高分辨率图像作为输入的具有分类分支和位置回归分支结构的鉴别器网络；步骤六：利用所述生成器网络和鉴别器网络并结合步骤四所述正训练样本和负训练样本对多任务生成对抗网络进行训练；所述多任务生成对抗网络训练好后获得小物体检测网络；步骤七：将待检测图片输入所述小物体检测网络中，所述小物体检测网络根据待检测图片中的小物体图像生成对应的高分辨的物体图像，进而完成真实场景下的小物体检测任务；所述多任务生成对抗网络的目标函数中引入分类损失函数和位置回归损失函数，所述目标函数的形式如下：其中，(x,y)为被截取训练样本左上角的像素坐标，(w,h)表示取向区域的宽和高；θ,ω分别为鉴别器和生成器的网络参数；D_θ,G_ω分别是鉴别器和生成器的功能函数，分别是输入的低分辨率图像和对应的高分辨率图像，α是目标函数中对抗损失函数与像素级损失函数的权值分配系数，N是训练样本总数，v_i＝(v_i,x,v_i,y,v_i,w,v_i,h)是物体位置真值信息的回归目标值，t_i＝(t_i,x,t_i,y,t_i,w,t_i,h)是预测的物体位置信息，分别表示第i个高分辨率真值图像和生成的高分辨率图像，当u_i≥1时，[u_i≥1]等于1，否则等于0，β,γ分别是分类损失函数和位置回归损失函数的权重系数。