基于感兴趣区域超分的小目标检测方法、系统及存储介质与流程

1.一种基于感兴趣区域超分的小目标检测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤s1中，所述faster r-cnn算法通过使用卷积神经网络的共享卷积特征层提取所述第一图像的特征并输出特征图像。

3.根据权利要求2所述的方法，其特征在于，区域提取网络以所述特征图像作为输入，通过滑动窗口方式在所述特征图像上移动，根据所述特征图像上的每个滑动窗口位置分别预测多个候选区域边界框和置信度得分。

4.根据权利要求3所述的方法，其特征在于，根据所述特征图像上的每个滑动窗口位置分别预测多个候选区域边界框和置信度得分时，对各个所述候选区域的置信度得分按照从大到小进行排序，并获取所述置信度得分最高的三个所述候选区域作为目标候选区域，其中，各个所述候选区域的尺度和长宽比是不相同的。

5.根据权利要求4所述的方法，其特征在于，获取所述置信度得分最高的三个所述候选区域作为目标候选区域之后，还将所述目标候选区域输入感兴趣区域池化层。

6.根据权利要求5所述的方法，其特征在于，所述感兴趣区域池化层将不同大小的所述目标候选区域的坐标映射到所述第一图像上，并截取所述第一图像上的候选区域并映射为固定大小的固定图，其中，预测多个所述目标候选区域边界框的坐标和宽高在映射到所述第一图像的尺寸上时需要进行损失计算。

7.根据权利要求6所述的方法，其特征在于，所述超分辨率重建算法对固定大小的所述固定图进行超分辨率重建，并将超分辨率重建后的roi送入分类和回归分支，用于所述目标分类和所述边界框回归，其中，所述超分辨率重建算法为edsr网络。

8.根据权利要求6所述的方法，其特征在于，所述损失计算包括：

9.一种基于感兴趣区域超分的小目标检测系统，用于实现如权利要求1-8任一项所述的方法，其特征在于，所述系统包括如下模块：

10.一种计算机存储介质，其特征在于，所述存储介质存储有程序指令，其中在所述程序指令运行时控制所述存储介质所在设备执行权利要求1-8任一项所述的基于感兴趣区域超分的小目标检测方法。