科创中国
一种基于超分辨率的小图像多目标检测方法
成果类型：: 发明专利
发布时间: 2023-11-09 16:56:18
科技成果产业化落地方案
方案提交机构：天津市滨海新区| 宋学姮 | 2023-11-22 11:48:47
本发明公开了一种基于超分辨率的小图像多目标检测方法。该方法包括：获取原始场景的第一分辨率图像；利用可逆神经网络模型将第一分辨率图像转换为第二分辨率图像后进行传输，进而还原为第一分辨率图像，其中第二分辨率图像的分辨率低于第一分辨率图像；将还原的第一分辨率图像输入至经训练的超分辨率扩散模型，并通过随机迭代去噪过程执行超分辨率重建，输出超高分辨率图像；对所述超高分辨率图像执行目标检测，获得目标识别信息。本发明提高了低分辨率情景下的障碍物检测精度，并使得导盲设备可以长时间工作，减轻使用者负担。
一种基于超分辨率的小图像多目标检测方法，包括以下步骤：
步骤S1：获取原始场景的第一分辨率图像；
步骤S2：利用可逆神经网络模型将第一分辨率图像转换为第二分辨率图像后进行传输，进而还原为第一分辨率图像，其中第二分辨率图像的分辨率低于第一分辨率图像；
步骤S4：将还原的第一分辨率图像输入至经训练的超分辨率扩散模型，并通过随机迭代去噪过程执行超分辨率重建，输出超高分辨率图像；
步骤S4：对所述超高分辨率图像执行目标检测，获得目标识别信息。
监控和安防： 在监控摄像头中，有时需要在远距离或低分辨率图像中检测小物体，如人或车辆。基于超分辨率的多目标检测可以提高检测的精度和可靠性。
航拍图像分析： 在航拍图像中，可能存在小型目标（建筑物、车辆等），通过超分辨率和目标检测技术，可以更好地理解和分析图像内容。
医学图像分析： 在医学图像中，一些微小的病灶或结构可能在低分辨率图像中难以被准确检测。超分辨率多目标检测可以帮助医生更准确地诊断和定位问题。
自动驾驶： 在自动驾驶领域，小尺寸的交通标志、行人等目标需要在远距离被准确检测。超分辨率技术可以提高感知系统对这些小目标的识别能力。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
超分辨率重建： 使用超分辨率技术，如深度学习中的超分辨率卷积神经网络（SRCNN）、ESPCN（Efficient Sub-Pixel Convolutional Neural Network）等，对小图像进行超分辨率重建。这有助于增加图像的空间分辨率，从而更好地显示和定位目标。
目标检测： 在超分辨率重建后的图像上应用目标检测算法，如卷积神经网络（CNN）、区域卷积神经网络（R-CNN）、YOLO（You Only Look Once）、或SSD（Single Shot Multibox Detector）。这些算法可以识别图像中的目标并提供其位置信息。
特征融合： 将超分辨率重建后的图像和目标检测的结果进行特征融合，以综合利用高分辨率信息和目标检测结果，提高对小目标的准确性。
后处理： 对目标检测结果进行后处理，例如非极大值抑制（NMS）等，以进一步提高检测的精确性。
技术转让
基于超分辨率的小图像多目标检测方法旨在提高在小尺寸图像上的目标检测性能。这类方法通常结合了超分辨率技术和目标检测算法，以从低分辨率图像中提取更多、更准确的目标信息。
下载app