一种基于无人机图像的小目标检测方法及系统与流程

技术特征：
1.一种基于无人机图像的小目标检测方法，其特征在于，包括：获取无人机采集的图像，对图像进行预处理后，通过聚类算法计算出图像中不同尺寸的目标的anchor值；通过csp－darknet53骨干特征提取模型提取不同分辨率的特征图；基于swin－transformer结构和sppf结构对所述特征图进行特征加强；基于不同分辨率的特征图和特征加强后的特征图，融合不同网络层特征信息进行目标特征提取；根据提取的目标特征，检测输出目标位置和类别信息。2.根据权利要求1所述的方法，其特征在于，所述对图像进行预处理后包括：将图像在预定区间内进行缩放处理，并对缩放后的图像进行mosaic数据增强处理。3.根据权利要求1所述的方法，其特征在于，所述sppf结构中，对输入的特征图进行最大池化，分别对池化后的特征图进行堆叠，通过cbl模块提取特征图特征。4.根据权利要求1所述的方法，其特征在于，所述基于不同分辨率的特征图和特征加强后的特征图，融合不同网络层特征信息进行目标特征提取包括：通过双向特征金字塔bifpn上下连接融合不同阶段的特征图，并通过cbam空间和通道注意模块，提取图像中密集对象的关注区域。5.根据权利要求1所述的方法，其特征在于，所述根据提取的目标特征，检测输出目标位置和类别信息还包括：定义目标尺寸加权的损失函数，增加预定目标的预测头损失，并增加预定目标的权重数值。6.一种基于无人机图像的小目标检测系统，其特征在于，包括：预处理模块，用于接收无人机采集的图像，对图像进行预处理，通过聚类算法计算出图像中不同尺寸的目标的anchor值；特征提取模块，用于通过csp－darknet53骨干特征提取模型提取不同分辨率的特征图；特征增强模块，用于基于swin－transformer结构和sppf结构对所述特征图进行特征加强；增强特征提取模块，用于基于不同分辨率的特征图和特征加强后的特征图，融合不同网络层特征信息进行目标特征提取；目标预测模块，用于根据提取的目标特征，检测输出目标位置和类别信息。7.根据权利要求6所述的系统，其特征在于，所述预处理模块包括：缩放处理单元，用于将图像在预定区间内进行缩放处理；数据增强单元，用于对缩放后的图像进行mosaic数据增强处理。8.根据权利要求6所述的系统，其特征在于，所述sppf结构中，对输入的特征图进行最大池化，分别对池化后的特征图进行堆叠，通过cbl模块提取特征图特征。9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种基于无人机图像的小目标检测方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在
于，所述计算机程序被执行时实现如权利要求1至5任一项所述的一种基于无人机图像的小目标检测方法的步骤。

技术总结
本发明提供一种基于无人机图像的小目标检测方法及系统，该方法包括：获取无人机采集的图像，对图像进行预处理后，通过聚类算法计算出图像中不同尺寸的目标的anchor值；通过CSP－Darknet53骨干特征提取模型提取不同分辨率的特征图；基于swin－Transformer结构和SPPF结构对所述特征图进行特征加强；基于不同分辨率的特征图和特征加强后的特征图，融合不同网络层特征信息进行目标特征提取；根据提取的目标特征，检测输出目标位置和类别信息。通过该方案可以减少无人机图像中小目标检测存在的遗漏问题，提高小目标的检测精度。提高小目标的检测精度。提高小目标的检测精度。


技术研发人员：朱敦尧 余雄风
受保护的技术使用者：武汉光庭信息技术股份有限公司
技术研发日：2022.07.20
技术公布日：2022/11/29