CN114332586B 小目标检测方法及其装置、设备、介质、产品 （广州华多网络科技有限公司）

US2004143380A1,2004.07.22图像识别模型针对所述广告图片及所述目标区2采用已训练至收敛的目标检测模型对所述广告图片进行目标检测，获得目标区域图采用已训练至收敛的、添加了可抑制弱神经元的分类头的图像识别模采用所述小目标识别序列针对特定实例场景的预设条件输出相对应的小目标识别结采用区域生成网络针对所述多层不同尺度的特征图生成多个候选感采用头部网络针对经感兴趣区域对齐后的特征图进行三个分支处理4.根据权利要求1至3中任意一项所述的小目标检测方法，模型的基础网络架构为Mask-RCNN模型，所述图像识别模型的基础网络架构为添加了可抑3量可保持图像块之间的空间位置信息；针对上述输入向量堆叠多个编码模块进行特征提获取子模块；用于从所述广告发布信息中获取其中的广告图片，卷积主干子模块，采用卷积主干网络针对所述广告图片进行特感兴趣区域子模块，采用区域生成网络针对所述多层不同尺度运行存储于所述存储器中的计算机程序以执行如权利要求1至4中任意一项所述的方法的9.一种计算机可读存储介质，其特征在于，其以计处理器执行时实现权利要求1至4任意一项中所述方4[0001]本申请涉及图像检测技术领域，尤其涉及一种小目标检测方法及其相应的装置、例中的应用也都存在着误检率高或漏检率高的问题，尤其在小目标的检测和识别问题上。[0006]本申请的首要目的在于解决上述问题至少之一而提供一种小目标检测方法及其[0011]采用所述小目标识别序列针对特定实例场景的预设条件输出相对应的小目标识5[0016]采用卷积主干网络针对所述广告图片进行特征提取，获得多层不同尺度的特征6标识别序列针对特定实例场景的预设条件输出相对应的小目标识别成所述广告图片的小目标识别序列。高召回场景下以最大值作为所述广告图片是否包含所述小目标物品的概率值；判别子模述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述的小目7计算机程序/指令被处理器执行时实现本申请任意一种实施[0044]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得8括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(GlobalPositioning包括射频接收器的常规膝上型和/或掌上型计算机或其他设备9离本申请的创造精神且可满足现有技术中的需求或解决现有技术中的某方面的不足即可。forOpticalEngineering)的定义，所述小目标物品指的是在256*256图像中目标物品的标物品在图像中的面积比例一般小于所述图像面积的0.12由该领域的相关技术人员可不同尺度的特征图；第二个网络构件为区域生成网络,所述区域生成网络用于对所述多层构件为头部网络，所述头部网络用于针对经感兴趣区域对齐后的特征图进行三个分支处模型可选用多种现有技术中比较优秀的图像识别模型，包括但不限于：VGG系列模型、[0078]使用所述图像识别模型针对所述广告图片以及上一步骤获得的所述目标区域图[0079]步骤S1400、采用所述小目标识别序列针对特定实例场景的预设条件输出相对应[0080]所述目标识别序列中包括针对所述广告图片中是否包含际需求，在高准确场景下以最小值作为所述广告图片是否包含所述小目标物品的概率值，获取预设条件下的概率值作为广告图片是否包含小目标物品的最终概率值，进行最终判[0086]所述卷积主干网络采用ResNet-FPN的结构，具体包括两个部分，第一个部分以[0090]步骤S1220、采用区域生成网络针对所述多层不同尺度的特征图生成多个候选感[0091]所述区域生成网络采用滑动窗口逐一滑动所述P2-P6四个特征图，在每个滑动窗口的点上初始化参考区域；即根据滑动窗口的坐标计算相应的每个基础锚框的具体坐标；[0092]所述感兴趣区域对齐操作RolAlign是对感兴趣区域池化RolPool的改进；所述RolPool从特征图还原到原图规格大小时采用两次取整操作，这将导致多个像素点的偏差全连接层而进行预测，可更充分的利用特征信息；掩码图预测分支则通过全卷积网络FCN述模型是基于应用于NLP问题的Transformer模型做进一步完善而作用于图像领域的模型。(Linear)->激活函数(GELU)->Dropout->全连接(Linear)->Dr[0112]步骤S1340、采用普通分类头针对最后得到的深度分类向量作进一步的分类空间[0118]综上所述，本申请实施例采用添加了可抑制弱神经元的分类头的ViT作为图像识别模型的网络架构，将图像分成图像块，完成图像块嵌入和位置编码嵌入，进而利用Transformer的强语义特征提取方式提取所述图像的语义特征，最后通过对两个分类头做[0121]所述小目标识别序列包括多个分类概率，其各个分类概率的值的范围为0到1之间。所述目标识别序列是由对多个输入图像进行图像识别得到的多个概率值直接组成的，对所述广告图片及所述目标区域图像分别进行上述步骤操作，获得相对应的多个识别结实际需求，在高准确场景下以最小值作为所述广告图片是否包含所述小目标物品的概率使得处理器实现一种小目标检测方法。该计算机设备的处理器用于提供计算和控制能力，[0137]本实施方式中处理器用于执行图6中的各个模块及其子模块的具体功能，存储器模块/子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有被一个或多个处理器执行时实现本申请任一实施例所述[0140]本领域普通技术人员可以理解实现本申请上述实施例方不同的实例应用场景选择不同的概率值作为所述广告图片是否包含目标物品的最终概率元的分类头的图像识别模