(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 202211197779.1 (22)申请日 2022.09.29 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 范哲意　宋梓豪　朱艺璇　 (74)专利代理 机构 北京康度知识产权代理事务 所(特殊普通 合伙) 11705 专利代理师 王彬 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/774(2022.01) (54)发明名称 面向无人机平台的小目标检测方法 (57)摘要 本公开提供一种面向无人机平台的小目标 检测方法， 所述方法包括： 获取包括训练集和测 试集在内的图像集； 对训练集中的图像进行预处 理； 将预处理后的 图像输入网络， 训练网络， 直至 网络拟合， 训练网络的步骤包括： 获得表示每个 目标被判别为各类的概率的值， 表 示每个目标在 图像中经过调整的坐标预测值， 以及未经过调整 的坐标预测值， 基于上述参数计算损失函数， 通 过最小化损失函数将网络结构参数调至最优； 利 用最优参数输出检测结果， 所述检测结果包括表 示每个目标被判别为各类的概率的值、 表示每个 目标在图像中经过调整的坐标预测值 以及未经 过调整的坐标预测值。 权利要求书2页 说明书13页 附图4页 CN 115527131 A 2022.12.27 CN 115527131 A 1.一种面向无 人机平台的小目标检测方法， 所述方法包括： 获取包括训练集和 测试集在内的图像集； 对训练集中的图像进行 预处理； 将预处理后的图像输入网络， 训练网络， 直至网络拟合， 训练网络的步骤包括： 获得表 示每个目标被判别为各类的概率的值， 表示每个目标在图像中经过调整的坐标预测 值， 以 及未经过调整的坐标预测值， 基于上述参数计算损失函数， 通过最小化损失函数将网络结 构参数调至最优； 利用最优参数输出检测结果， 所述检测结果包括表示每个目标被判别为各类的概率的 值、 表示每 个目标在图像中经 过调整的坐标 预测值以及未 经过调整的坐标 预测值。 2.根据权利要求1所述的方法， 其特 征在于， 对训练集中的图像进行 预处理包括： 限制图像的高和宽， 使其能够被8整除， 从每个图像 中减去整个数据集的平均图像并归 一化， 以及对训练集中的图像进行随机翻转剪切， 将已经进行随机翻转剪切的图像加入训 练集， 使得训练集的图像数量增 加。 3.根据权利要求1所述的方法， 其特 征在于， 通过 下式计算损失函数： 其中， DFL(S)＝ ‑((yi+1‑y)log(Si)+(y‑yi)log(Si+1))， y是目标在图像中的坐标的值， yi以及yi+1表示目标邻近左右两点的坐标， 由坐标分别通 过上取整和下 取整获得， Si和Si+1表示目标邻近左右两点判别为真实坐标的概 率， Bbox是经过调整的坐标预测值的集合， Bbox ’是未经过调整的坐标预测值的集合， GT是 目标在图像中的坐标的集合， Cs是Bb ox和GT的最小闭包区域， Cs ’是Bbox’和GT的最小闭包 区域， θ ＝0.1×(epoch‑100)2+eps epoch为训练迭代次数， eps为常数， area表示各个目标的真实尺寸， 随着训练迭代次数 增加， 改变不同尺寸目标的权 重 QFL(C)＝ ‑|z‑C|β((1‑z)log(1‑C)+zlog(C)) z是Bbox与GT之间的I oU交并比， C是每 个目标被判别为各类的概 率的值的集 合。 4.根据权利要求3所述的方法， 其特征在于， 所述网络包括骨干子网络、 第一特征金字 塔子网络和第二特征金字塔子网络、 主检测头子网络以及辅助检测头子网络， 其中， 主检测权　利　要　求　书 1/2 页 2 CN 115527131 A 2头子网络包括 4个主检测子 头， 辅助检测头 子网包括 4个辅助检测头， 骨干子网络将输入图像处理为3个特征， 分别输入到第一特征金字塔子网络和第二特 征金字塔子网络， 第一特征金字塔子网络和第二特征金字塔子网络分别将输入的3个特征 处理为4个特征， 分别输出到主检测头子网络和辅助检测头子网络， 主检测头子网络的4个 主检测头分别输出： 表示每个目标被判别为各类的概率的值， 表示每个目标在图像中经过 调整的坐标预测值， 以及未经过调整的坐标预测值， 辅助检测头子网的4个辅助检测头 分别 输出： 表示每个目标被判别为各类的概率的值， 表示每个目标在图像中经过调整的坐标预 测值， 以及未 经过调整的坐标 预测值。 5.根据权利要求4所述的方法， 其特征在于， 利用主检测头子网络输出的表示每个目标 被判别为各类的概率的值， 表示每个目标在图像中经过调整的坐标预测 值， 以及未经过调 整的坐标 预测值， 计算主检测头的损失函数。 6.根据权利要求5所述的方法， 其特征在于， 利用辅助检测头子网络输出的表示每个目 标被判别为各类的概率的值， 表示每个目标在图像中经过调整的坐标预测值， 以及未经过 调整的坐标 预测值， 计算辅助检测头的损失函数。 7.根据权利要求6所述的方法， 其特征在于， 分别最小化主检测头的损失函数和辅助检 测头的损失函数， 将网络结构参数调至最优。 8.一种在计算机存储介质上编码的计算机程序产品， 包括指令， 当指令由一个或多个 计算机执 行时， 将使一个或多个 计算机执 行权利要求1 ‑7中的任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115527131 A 3