一种基于深度学习的小目标物体检测方法

摘要

本发明公开了一种基于深度学习的小目标物体检测方法，该检测方法可以克服现有的小目标物体检测方法中检测效率不足和准确率低等问题。首先，基于COCO数据集提取出不包含小目标物体的图像，对图像尺寸进行调整后进行拼接，将拼接图像和COCO数据集中含有小目标对象的图像组成新的数据集，并按4：1的比例将数据集分成训练集和测试集；然后，修改Faster‑RCNN的基础特征提取网络进行特征融合；接着，将进行融合之后的每层级融合特征通过RPN网络进行候选区域选择；再，用训练集对改进后的网络进行训练，得到训练模型；最后，将测试集输入到训练好的模型进行目标检测。