一种面向大坝缺陷图像的目标检测方法

1.一种面向大坝缺陷图像的目标检测方法，其特征在于，包括如下步骤：(1)采用可变形卷积VGG16网络进行缺陷特征提取：针对大坝缺陷几何形变的特征，将可变形卷积应用于单阶段目标检测器SSD中，将主干网络VGG16中的卷积改进为可变形卷积，增大卷积感受范围，通过学习卷积偏移量来捕捉大坝缺陷的形变特征；(2)采用改进预选框的尺寸比例进行多尺度特征图检测；(3)在训练过程中采用改进非极大值抑制方法均衡正负样本，即在筛减冗余样本的同时，采用仅删减负样本的方法，保证训练样本的多样性。 2.根据权利要求1所述的一种面向大坝缺陷图像的目标检测方法，其特征在于，所述步骤(1)中采用可变形卷积VGG16网络进行缺陷特征提取的具体步骤如下：(1.1)输入原始图片，记为U，其中设置的batch为b；(1.2)原始图片batch经过一个普通卷积，卷积填充为same，即输出输入大小不变，对应的输出结果为原图片batch中每个像素的偏移量，输出值的个数为b×H×W×2N，记为V，其中2N表示每个方向上的x偏移量与y偏移量；(1.3)将U中图片的像素索引值与V相加，得到偏移后的坐标即在原始图片U中的坐标值，需要将坐标值限定为图片大小以内，将浮点类型的坐标值获取像素；(1.4)使用双线性差值法获取浮点类型的坐标处的像素值；(1.5)计算坐标值对应的所有像素后，得到新的特征图，并将新的特征图作为输入数据输入到下一层中。 3.根据权利要求1所述的一种面向大坝缺陷图像的目标检测方法，其特征在于，所述步骤(2)中采用改进预选框的尺寸比例进行多尺度特征图检测的具体步骤如下：(2.1)为特征图中每个像素单元设置尺度不同的先验框，随着特征图尺寸的减小，先验框的尺寸线性增加：其中，m为特征图的个数，由于在主干网络中的卷积层单独设置先验框大小，s max 与s min 表示基于特征图尺寸比例的最大值和最小值；(2.2)为特征图中每个像素单元设置长宽比不同的先验框，对于大坝中的裂缝条形缺陷，原有先验框的长宽比不足以将缺陷完整地标注出来，将先验框长宽比设定为 (2.3)按照以下公式计算先验框的实际宽度与高度：其中|f k |为特征图的大小；(2.4)每个像素点的每个先验框输出两个部分的值，分别对应预测框位置和该先验框中各个类别的置信度评分。 4.根据权利要求1所述的一种面向大坝缺陷图像的目标检测方法，其特征在于，所述步骤(3)中在训练过程中采用改进非极大值抑制方法均衡正负样本的具体步骤如下：(3.1)对所有负样本先验框的置信度进行降序排序，选取置信度最小的负样本；(3.2)遍历其余负样本先验框，如果和当前得分最低的先验框的重叠面积大于阈值0.5，就将此负样本先验框删除；(3.3)从未处理的负样本先验框中选取置信度最低的，重复上述步骤，仅删减负样本，相比传统NMS，在删除冗余先验框的前提下，增加了样本训练的多样性。