(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 202210867387.5 (22)申请日 2022.07.22 (71)申请人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 阮泽宇　陈爱军　邹卫军　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 薛云燕 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种视觉小目标外观特 征的提取方法 (57)摘要 本发明公开了一种视觉小目标外观特征的 提取方法， 该方法如下： 训练数据集图片由大、 中、 小和标准四种目标图像组成； 将大、 中目标图 像放缩图片到标准目标图像的相同尺 寸， 为第一 图像； 用灰色填充小目标图像的四边得到第二图 像， 将其放入第一神经网络模型进行反卷积得到 第三图像； 将第三图像放入第二神经网络模型进 行外观特征提取， 获取第三图像的特征向量； 使 用第二神经网络模型提取第一图像的特征向量； 使用提取的两个维特征向量之间的余弦距离， 评 判第一、 三图像之间的相似度， 完成视觉小目标 外观特征的提取。 本发明使用反卷积的方法将小 目标图像放大， 再利用卷积网络提取目标外观信 息， 并用对抗的方式训练参数， 实现了小目标图 像外观信息提取。 权利要求书2页 说明书4页 附图4页 CN 115100420 A 2022.09.23 CN 115100420 A 1.一种视 觉小目标外观特 征的提取 方法， 其特 征在于， 包括以下步骤： 步骤1、 收集所有训练数据集图片， 数据集由大目标图像、 中目标图像、 小目标图像和目 标图像组成； 步骤2、 将大目标图像和中目标图像利用 双线性插值法放缩图片到目标图像的相同尺 寸， 称为第一图像； 步骤3、 用灰色填充 小目标图像的四边， 使目标像素变为64* 32， 得到第二图像； 步骤4、 将第二图像放入第一神经网络模型进行反卷积， 得到第三图像， 此时第三图像 的像素尺寸与第一图像相同； 步骤5、 将第 三图像放入第 二神经网络模型进行外观特征提取， 获取第 三图像的特征向 量， 特征向量长度为128维； 步骤6、 同样使用第二神经网络模型提取第一图像的128维特 征向量； 步骤7、 使用步骤5和步骤6提取的128维特征向量之间的余弦距离， 评判第一图像与第 三图像之间的相似程度， 即用128维特征向量之 间的余弦距离评判步骤1 中所有数据集之间 的相似程度， 完成视 觉小目标外观特 征的提取。 2.根据权利要求1所述的视觉小目标外观特征的提取方法， 其特征在于， 步骤1中， 将同 一车模的图像放入同一文件夹， 同一文件夹下的车模图像大小不 等。 3.根据权利要求1所述的视觉小目标外观特征的提取方法， 其特征在于， 步骤1中， 目标 图像的定义为图像的像素等于128*64， 大目标图像的定义为长宽像素分别大于128、 64的图 像， 小目标图像的定义 为长宽像素分别小于 64、 32的图像， 其 余图像都为中目标图像。 4.根据权利要求1所述的视觉小目标外观特征的提取方法， 其特征在于， 步骤4中的第 一神经网络模型、 步骤5中的第二神经网络模型组成对抗模型。 5.根据权利要求4所述的视觉小目标外观特征的提取方法， 其特征在于， 第 一神经网络 模型为对抗网络中的生成器模型， 该模型由以下部分组成： 一、 特征提取卷积神经网络， 用以提取第二图像的特 征； 二、 两层反卷积网络， 用以将特 征具象化成目标图像尺寸的图像。 6.根据权利要求4所述的视觉小目标外观特征的提取方法， 其特征在于， 第 二神经网络 模型为对抗网络中的判别器模型， 该模型 由三层卷积神经网络模型组成， 用以获取图像的 特征向量。 7.根据权利要求4所述的视觉小目标外观特征的提取方法， 其特征在于， 使用对抗的方 式训练第一神经网络模型第二神经网络模型组成的对抗模型， 具体步骤为： (1)在第一图像中取任一 图像放入第二神经网络， 获得128维特征向量， 称为第一特征 向量； (2)取(1)中图像的同一文件夹下的小 目标图像， 将其按照步骤3、 步骤4、 步骤5方法获 取得到128维特 征向量， 称为第二特 征向量； (3)固定判别器网络参数， 以第一特征向量和第二特征向量之间的余弦距离作为损失 更新生成器网络参数； (4)将(2)中的小目标图像再 次按照步骤3、 步骤4、 步骤5方法获取得到128维特征向量， 称为第三特 征向量； (5)固定生成器网络参数， 以第一特征向量的负向量和第 四特征向量之间的余弦距离权　利　要　求　书 1/2 页 2 CN 115100420 A 2作为损失更新判别器网络参数； (6)不断重复以上步骤(1)～(5)， 直到(3)中的损失函数小于0.2且(5)中的损失函数也 小于0.2。 8.根据权利要求1所述的视觉小目标外观特征的提取方法， 其特征在于， 步骤7中的余 弦距离的公式为： 其中， x， y是128维特 征向量， i 为第i维度的特 征向量的值。权　利　要　求　书 2/2 页 3 CN 115100420 A 3