[发明专利]一种基于Yolov5的小目标检测模型的构建及检测方法

权利要求书

1.一种基于Yolov5的小目标检测模型的构建方法，其特征在于：包括，

构建包括训练样本和测试样本的数据集；

根据数据集对基于Yolov5的网络模型进行训练；

其中，所述基于Yolov5的网络模型以Yolov5网络为主干模型，包括特征提取模块、颈部增强模块、头部预测模块；

在所述颈部增强模块引入GAM注意力机制，部分卷积采用新的卷积算子；

调整所述头部预测模块的特征融合方式，扩充初始anchor框的检测尺寸；

输出训练完成后的目标检测模型。

2.如权利要求1所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述基于Yolov5的网络模型，包括，

特征提取模块：负责目标的特征提取；

颈部增强模块：对特征提取模块提取的特征进行增强；

头部预测模块：进行目标预测并得到检测结果。

3.如权利要求所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述GAM注意力机制包括通道注意力子模块和空间注意力子模块。

4.如权利要求3所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述通道注意力子模块使用三维排列来在三个维度上保留信息，通过一个两层的多层感知器MLP放大跨维度通道-空间依赖性；

所述空间注意力子模块中使用两个卷积层进行空间信息融合并删除最大池化操作。

5.如权利要求3或4所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述GAM注意力机制放大全局交互特征并给定特征映射，表示为F₁∈R^C×H×W，其中，中间状态F₂和输出F₃定义如下：

其中，F₁代表输入状态，F₂代表中间状态，F₃代表输出状态，M_c,M_s分别为通道注意力图和空间注意力图，C、H、W分别表示通道数，图像高度，图像宽度，表示按元素进行乘法操作。

6.如权利要求1所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述新的卷积算子为自卷积算子Involution，包括，将输入的图像从单像素x_ij生成对应的核H_ij，表示如下：

其中，用来索引像素，Η_i,j为生成的核函数。

7.如权利要求3所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述调整头部预测模块的特征融合方式包括采用QFF作为特征融合方式，通过设置权重系数α，β，γ来实现。

8.如权利要求7所述的基于Yolov5的小目标检测模型的构建方法，其特征在于：所述权重系数是通过1*1卷积、softmax函数处理后再通过反向传播系数自动生成，表示如下：

其中，x是各个尺度是输入，y是在空间上尺度融合后输出的特征图。α,β,γ,δ是相应的权重参数，参数和为1。

9.如权利要求1所述的基于Yolov5的小目标检测方法，其特征在于：所述扩充初始anchor框的检测尺寸，包括，分别将小目标、中目标、大目标的检测尺寸由三个扩充到七个，扩充后表示如下：

-[7,9,9,17,17,15,13,27,19,27,44,40,38,94]#P3/8

-[21,28,36,18,23,47,35,33,96,68,86,152,180,137]#P4/16

-[58,29,43,60,82,46,66,88,140,301,303,264,238,542]#P5/32

-[133,77,111,135,206,137,197,290,436,615,739,380,925,792]#P6/64

10.一种小目标检测方法，其特征在于：包括，基于权利要求1所述的小目标检测模型的构建方法得到的小目标检测模型，对小目标进行检测，得到检测结果。