摘要
本发明提供了一种小目标检测方法和系统,属于计算机视觉领域。所述方法先获取历史图像及真实标注样本,样本类别包括极端小目标、相对小目标、普通小目标和正常尺寸目标;构建小目标检测模型;将历史图像输入卷积神经网络提取特征图;再将特征图输入改进的CRPN,基于不同的样本类别,得到候选样本,再映射在特征图上,获得感兴趣区域及特征,再基于特征得到样本的预测类别和回归位置;同时,从感兴趣区域的特征中筛选出正样本和典型负样本,基于预测类别、回归位置、正样本教师集和典型负样本教师集对小目标检测模型进行训练,最后将当前待检测的图像输入训练完成的小目标检测模型,输出检测结果。本发明提高了小目标检测的精度和准确度。
技术关键词
样本
感兴趣
预测类别
教师
图像
典型
区域卷积神经网络
模型训练模块
非线性
管道
数据获取模块
输出模块
检测头
计算机视觉
尺寸
定义
系统为您推荐了相关专利信息
棉花产量预测
图像
多光谱
叶面积指数
多元线性回归算法
双目摄像机
水下图像处理方法
灰度直方图
光功率
功率计
矿用牙轮
5G通信系统
智能远程控制系统
钻机
数据传输策略
医疗救援指挥系统
马拉松赛事
无人机避障
无人机多光谱
数字孪生