一种基于背景对比的轻量化小目标特征增强方法及装置

本发明属于小目标检测，具体涉及一种基于背景对比的轻量化小目标特征增强方法及装置。

背景技术：

1、目标检测的目的是利用自动识别技术，将图像或视频中的特定对象的位置准确地标记出来。传统目标检测方法在实际应用中，面临着计算复杂度高、模型体积大、运行速度慢等问题，尤其是在移动设备、嵌入式系统或资源有限的场景下，其性能和效率受到限制，尤其是小目标检测任务时，面临着诸多挑战。

2、由于小目标通常在图像中只占据很少的像素，因此具有较低的空间分辨率，这使得小目标的细节信息有限，可能导致现有检测方案无法准确地检测或分类小目标。小目标与周围背景之间的对比度通常较低，使其在图像中难以分辨，这种低对比度可以导致现有检测方案难以正确识别目标。小目标可能会被其他物体、遮挡物或噪声部分遮挡，这增加了检测的复杂性。由于遮挡部分的信息不完整，可能导致现有检测方案产生错误的检测结果。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于背景对比的轻量化小目标特征增强方法及装置。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提供了一种基于背景对比的轻量化小目标特征增强方法，包括：

3、s100，获取含有小目标的待增强图像，并对所述待增强图像进行特征提取得到浅层特征图；

4、s200，将所述浅层特征图输入至已构建的特征增强模块中，执行提取所述浅层特征图的通道权重参数的操作以及对所述浅层特征图进行多次膨胀卷积的操作得到背景特征图；利用所述通道权重参数对所述背景特征图进行权重分配，并联合所述浅层特征图得到所述增强特征图。

5、第二方面，本发明提供了一种基于背景对比的轻量化小目标特征增强装置，包括：

6、获取模块，被配置为获取含有小目标的待增强图像，并对所述待增强图像进行特征提取得到浅层特征图；

7、特征增强模块，被配置为将所述浅层特征图输入至已构建的特征增强模块中，执行提取所述浅层特征图的通道权重参数的操作以及对所述浅层特征图进行多次膨胀卷积的操作得到背景特征图；利用所述通道权重参数对所述背景特征图进行权重分配，并联合所述浅层特征图得到所述增强特征图。

8、第三方面，本发明提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

9、存储器，用于存放计算机程序；

10、处理器，用于执行存储器上所存放的程序时，实现第一方面所述的基于背景对比的轻量化小目标特征增强方法的步骤。

11、有益效果：

12、本发明提供了一种基于背景对比的轻量化小目标特征增强方法及装置，通过特征增强模块对浅层特征图进行增强，在保持较低参数量的同时，扩大了感受野、捕捉更多上下文信息，并利用上下文信息加强小目标物体与背景的对比，增强特征的表达能力，有助于取得更优秀的小目标检测性能。通过通道膨胀卷积和通道注意力机制的巧妙设计，减少了网络的复杂度，使得网络轻量化，适用于移动设备和资源有限的场景。由于本发明采用通道膨胀卷积进行膨胀，相比普通膨胀卷积及深度可分离膨胀卷积能大幅减少参数量，从而提高模型的计算效率，从而提升特征图增强的效果，进一步提升检测小目标的准确度。

13、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征：

1.一种基于背景对比的轻量化小目标特征增强方法，其特征在于，包括：

2.根据权利要求1所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述特征增强模块包括通道注意力机制模块、三层通道膨胀卷积层、一个求和层、一个权重分配层、一个拼接层和一个输出卷积层；

3.根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，s200包括：

4.根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述三层通道膨胀卷积层的膨胀率分别为1、2、3。

5.根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述通道权重参数表示为：

6.根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，每层通道膨胀卷积层对浅层特征图存在不同的感受野，所述感受野计算公式为：

7.根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，所述三层逐通道卷积层卷积所用的参数量为：

8.根据权利要求2所述的基于背景对比的轻量化小目标特征增强方法，其特征在于，在s200之后，所述基于背景对比的轻量化小目标特征增强方法还包括：

9.一种基于背景对比的轻量化小目标特征增强装置，其特征在于，包括：

10.一种电子设备，其特征在于包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

技术总结
本发明提供了一种基于背景对比的轻量化小目标特征增强方法及装置，通过特征增强模块对浅层特征图进行增强，在保持较低参数量的同时，扩大了感受野、捕捉更多上下文信息，并利用上下文信息加强小目标物体与背景的对比来增强特征的表达能力，有助于取得更优秀的小目标检测性能。通过通道膨胀卷积和通道注意力机制的巧妙设计，减少了网络的复杂度，使得网络轻量化，适用于移动设备和资源有限的场景。由于本发明采用通道膨胀卷积进行膨胀，相比普通膨胀卷积或者深度可分离膨胀卷积能大幅减少参数量，从而提高模型的计算效率，从而提升增强特征图的效果，进一步提升检测小目标的准确度。

技术研发人员：赖睿,刘博成,石汉钦,官俊涛
受保护的技术使用者：西安电子科技大学重庆集成电路创新研究院
技术研发日：
技术公布日：2024/1/15