[发明专利]基于注意力机制和特征交叉融合的目标检测方法及系统

权利要求书

1.一种基于注意力机制及特征交叉融合的目标检测方法，所述方法首先对经过预处理的训练集图片提取特征，并对提取的特征分别通过特征金字塔网络、路径融合网络以及特征交叉融合模块进行交叉提炼，并在提炼时引入多种注意力机制，由此得到输出特征后，将输出特征送入检测头得到预测结果，计算预测结果与真实标签之间的损失，根据计算的损失反复训练调整模型参数，直至得到最优模型参数后输出目标检测网络模型，然后将待检测图片输入网络模型得到预测结果，最后，对预测结果进行解码得到待检测图片中目标的位置、类别及其置信度。

2.根据权利要求1所述的基于注意力机制及特征交叉融合的目标检测方法，其特征在于，所述方法在建立目标检测网络模型时包括以下步骤：

步骤1)数据预处理，将训练所需图片进行缩放增强后按每组B张随机分成M组；

步骤2)随机读取一组图片，通过N层骨干网对输入图片逐层递进的提取和压缩特征，得到每一层的特征图；

步骤3)对步骤2)中最后一层的层级特征，通过上采样的方式，自顶向下地逐个融合低层次特征，以获得包含更多语义信息的特征；

步骤4)对步骤3)中最后一层特征，通过卷积操作对特征图下采样，自底向上地对高层次特征进行逐层融合，以获得包含更多定位信息的特征；

步骤5)对步骤4)中分辨率较低的两个特征图通过上采样与各自上面层中分辨率相同的特征图进行交叉融合，得到输出特征；

步骤6)将步骤5)中的输出特征送至检测头中进行检测和解码，得到目标在原始输入图像上的预测坐标以及预测类别和置信度；

步骤7)计算网络预测与真实值之间的损失函数，采用梯度下降法对上述模型中的参数进行更新；反复迭代，直至训练出最优参数组合，输出目标检测网络模型。

3.根据权利要求2所述的基于注意力机制及特征交叉融合的目标检测方法，其特征在于，所述步骤2)中的骨干网包括浅层特征提取块，三个普通卷积层级特征提取块以及一个基于Transformer结构和快速空间金字塔池化的层级特征提取块；其中，浅层特征提取操作包含2次下采样，每个普通卷积层级特征提取操作及基于Transformer结构和快速空间金字塔池化的层级特征提取操作都分别只包含1次下采样；每次下采样的倍数都为2；具体地，包括以下步骤：

步骤2-1)随机读取一组图片X_in，通过浅层特征提取块，得到浅层特征F_s；

步骤2-2)将得到的浅层特征F_s通过第一个普通卷积层级特征提取块，得到特征金字塔的第一层特征图F_a；

步骤2-3)将F_a通过第二个普通卷积层级特征提取块，得到特征金字塔的第二层特征图F_b，再将F_b通过第三个普通卷积层级特征提取块，得到特征金字塔的第三层特征图F_c；

步骤2-4)将F_c通过基于Transformer结构和快速空间金字塔池化的层级特征提取块，得到特征金字塔的最上面一层特征图F_N-1。