技术特征：
1.一种优化小目标和改善漏检问题的食材图像检测方法，其特征在于，包括：s1、将采集的食材图片输入特征提取网络，得到特征图；s2、采用区域建议网络在特征图上生成锚点框；s3、通过分类与回归对锚点框进行第一次筛选，得到可能包含目标的建议框；s4、将建议框映射回原来的特征图上，采用改进的非极大值抑制算法对建议框进行第二次筛选，得到目标类别的检测结果。2.根据权利要求1所述的一种优化小目标和改善漏检问题的食材图像检测方法，其特征在于，步骤s1所述特征提取网络采用反卷积操作将低分辨率的特征图上采样到更高分辨率的特征图上进行融合。3.根据权利要求2所述的一种优化小目标和改善漏检问题的食材图像检测方法，其特征在于，步骤s2具体为：以特征图上的每个特征点位中心，同时设置k个锚点框。4.根据权利要求3所述的一种优化小目标和改善漏检问题的食材图像检测方法，其特征在于，步骤s4所述改进的非极大值抑制算法包括以下分步骤：a1、将所有目标框按得分排序，认为得分最高的目标框包含目标，记该目标框为m；a2、计算剩余目标框与m的交并比，当目标框与m的交并比小于n
i
，执行步骤a3；若当前目标框与m的交并比大于或等于n
t
时，执行步骤a4；a3、认为当前目标框与m代表着两个不同的目标，保持原来得分；a4、认为当前目标框和m可能是包含两个不同的目标，也可能是和m代表同一个目标，因此采用权值惩罚策略，将该目标框得分降低且保留该目标框，参加下一轮筛选；a5、移动m至结果目标框集合内，剩余目标框组成新的集合，重复步骤a1-a4，直到目标框集合为空，结束筛选，输出结果。5.根据权利要求4所述的一种优化小目标和改善漏检问题的食材图像检测方法，其特征在于，步骤a1所述目标框得分具体为当前目标框中目标所属类别的置信度得分。6.根据权利要求5所述的一种优化小目标和改善漏检问题的食材图像检测方法，其特征在于，步骤a4所述将该目标框得分降低的计算式为：s
i
′
＝s
i
×
(1-iou(m,b
i
))2，其中，s
i
′
表示降低后的得分，s
i
表示该目标框原来得分，iou(m,b
i
)表示m与当前目标框b
i
两者的交并比，n
t
为阈值。
技术总结
本发明公开一种优化小目标和改善漏检问题的食材图像检测方法，应用于图像处理领域，针对现有技术在小目标检测上存在的检测难、漏检问题；本发明提出一种特征融合网络，利用逆卷积操作将高层特征图与低层特征图相融合，增加了网络中低层特征图的特征提取能力，大大丰富前几层的语义信息，最终生成具有高分辨率高语义信息的单个高级特征图，能够有效地检测出图像中的小目标；本发明还对目标框筛选阶段进行改进，采用改进的非极大值抑制算法进行筛选，避免漏检。避免漏检。避免漏检。
技术研发人员：王正萃 徐尚龙 闫圣 龙鹰 许磊 高翔 孙佳宁 沈蕴 方树 李钢 刘星
受保护的技术使用者：电子科技大学
技术研发日：2021.11.24
技术公布日：2022/3/4