(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221094237 7.3 (22)申请日 2022.08.08 (71)申请人 北京工商大 学 地址 100048 北京市海淀区阜成路3 3号 (72)发明人 谭励　黄小凯　连晓峰　刘宇昭　 (74)专利代理 机构 北京万象新悦知识产权代理 有限公司 1 1360 专利代理师 贾晓玲 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06V 10/762(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于城市无人机图像的小目标检测方 法 (57)摘要 本发明公布了一种基于城市无人机图像的 小尺度目标检测方法， 属于计算机视觉技术和目 标检测技术领域。 本发明进行数据增强； 通过复 合骨干网络进行特征提取； 结合双向特征金字塔 网络进行多尺度特征的融合； 根据多尺度的特征 信息， 结合空间金字塔注意力机制进行目标定位 和分类。 本发 明解决了无人机目标检测中的小尺 度目标的漏检和误检问题； 提升模 型检测的准确 率； 保证小尺度目标的检测性能。 权利要求书2页 说明书7页 附图2页 CN 115147745 A 2022.10.04 CN 115147745 A 1.一种基于城市无 人机图像的小尺度目标检测方法， 其特 征在于， 包括如下步骤： 1)初始化原 始图像： 获取无人机图像的存储路径、 检测目标种类、 检测目标在图像中的位置信息， 并根据目 标边界框的位置和长 宽得到的原 始图片的目标位置和分类结果； 2)图像数据增强： 通过Mosaic数据增强的方式， 将原始图片利用随机缩放、 随机裁剪、 随机排布的方式进 行拼接， 之后获得一张包 含目标边界框的新图片； 3)图像特 征提取： 3‑1)设置固定的初始锚框大小， 之后对目标边界框大小进行聚类， 将得到的目标锚框 结果和真实边界框大小进行比对， 通过计算两者之间的差距， 选取合适的目标锚框大小来 反向更新设定初始锚框大小， 根据目标 大小自适应调整锚框大小； 3‑2)利用双层CSPDarknet53骨干网络相叠加的复合骨干网络， 对同一个尺度的特征图 进行多次重复采样， 其处 理流程如下式所示： 其中， 假设每个骨干网络有L个阶段， 表示在第l阶段主骨干网络的操作， 表示 在第l阶段辅助骨干 网络输出的特征图， 表示在第l阶段主骨干网络输出的特征图， 表示在第l‑1阶段主骨干网络输出的特征图， G( ·)表示辅助骨干网络和主骨干网络 之间的 1×1的卷积和归一 化操作； 4)多尺度特 征融合： 使用自顶向下和自底向上双向路径的双向特征金字塔网络， 多次双向融合多尺度的图 像特征信息； 5)目标分类和位置预测： 利用空间金字塔注意力机制实现目标定位和分类。 2.权利要求1所述的基于城市无人机图像的小尺度目标检测方法， 其特征在于， 步骤3 ‑ 1)中设置好初始锚框大小之后， 在这个取值的基础上使用K ‑means聚类算法聚类训练集中 所有目标边界框的宽高， 结果得到目标锚框， 使用IoU距离度量K ‑means算法的样 本距离， 其 中， IoU的取值范围为[ 0,1]， 当真实边界框和目标锚框之间没有相交区域时IoU＝0， 当两框 完全重合时I oU＝1。 3.权利要求1所述的基于城市无人机图像的小尺度目标检测方法， 其特征在于， 步骤5) 具体包括： 5‑1)提取多尺度融合的特 征图， 在自适应平均池化的空间金字塔结构生成注意力图； 5‑2)将生成的注意力图通过由一个全连接层和sigmoid激活层组合成的权重来生成对 应特征图中的注意力权重， 通过该注意力输出 的注意力权重， 将原始图像中的小目标准确 的标注出来。 4.权利要求3所述的基于城市无人机图像的小尺度目标检测方法， 其特征在于， 提取多 尺度融合的特 征图中的关键信息的同时忽略背景 无关信息的干扰。 5.权利要求1所述的基于城市无人机图像的小尺度目标检测方法， 其特征在于， 步骤5 ‑ 2)利用预测边界框的位置和得分进行非极大抑制， 即计算预测得分最大的预测边界框， 与权　利　要　求　书 1/2 页 2 CN 115147745 A 2其他所有预测框的IoU值； 当IoU值超过设定的阈值时， 去除该预测边界框， 然后在剩下预测 边界框中继续寻找IoU最高的， 再去除与之IoU超过阈值的预测边界框， 直到最后会保留几 乎没有重 叠的框， 做到每 个目标只剩下一个预测边界框 。 6.权利要求5所述的基于城市无人机图像的小尺度目标检测方法， 其特征在于， 对筛选 出的预测边界框区域内的目标种类进行排序和筛选， 同一 目标种类取其置信度的最大值， 并筛选出在不同目标类别的置信度最大值排序中排名最高的种类， 将其作为目标预测边界 框区域的目标种类。 7.权利要求1所述的基于城市无人机图像的小尺度目标检测方法， 其特征在于， 在原始 图像上用不同的颜色 绘出每个目标的预测边界框， 以及其类别种类和置信度。权　利　要　求　书 2/2 页 3 CN 115147745 A 3