[发明专利]一种基于RFEF-YOLO目标检测方法

权利要求书

1.一种基于RFEF-YOLO目标检测方法，其特征在于，包括如下步骤：

步骤1：获取带有待检测目标的图像，对获取图像进行灰度化预处理；

步骤2：通过主干特征提取网络对预处理后图像进行主干特征提取，获得三个初步有效特征层；

步骤3：将三个初步有效特征层作为特征推理融合网络的输入，提取三个有效特征；

步骤4：将三个有效特征作为YOLO Head的输入，获取目标检测结果。

2.如权利要求1所述的基于RFEF-YOLO目标检测方法，其特征在于，所述步骤2中，将主干特征提取网络提取主干特征的数个阶段中的最后三个阶段所提取的特征作为三个初步有效特征层。

3.如权利要求1所述的基于RFEF-YOLO目标检测方法，其特征在于，所述步骤3中，特征推理融合网络通过如下公式提取三个有效特征：

其中，B₁、B₂、B₃为三个初步有效特征层；B_1Upsample、B_2Upsample、B_3Upsample为对应的初步有效特征层通过上采样得到的；B_1Downsample、B_2Downsample、B_3Downsample为对应的初步有效特征层通过下采样得到的；τ*τConv表示大小为τ*τ的卷积；μ₁为B_1Upsample的权重；μ₂为B2的权重；μ₃为B_3Downsample的权重；ε₁为C的权重；ε₂为B_2shortcut的权重；B_2shortcut是B₂通过跨越连接shortcut操作得到；α₁为B1的权重；α₂为D_Downsample的权重；α₃为E_2Downsample的权重；D_Downsample是D通过下采样得到；E_2Downsample是通过E₂下采样得到；β₁为D的权重；β₂为E_3Downsample的权重；E_3Downsample是E₃通过下采样得到；γ₁为D_Upsample的权重；γ₂为B3的权重；D_Upsample是D通过上采样得到。

4.如权利要求3所述的基于RFEF-YOLO目标检测方法，其特征在于，所述τ*τConv为1*1Conv。

5.如权利要求3所述的基于RFEF-YOLO目标检测方法，其特征在于，所述步骤3的特征推理融合网络中在回归损失的基础上根据权重加入了样本关联损失，样本关联损失的具体公式如下：

Loss_RL(P_j，P_j+1)＝-[(P_j-P_j-1)log(P_j)+(P_j+1-P_j)log(P_j+1)]

其中，P_j-1、P_j、P_j+1分别是第j-1、j、j+1个样本属于正确类别的概率。

6.如权利要求5所述的基于RFEF-YOLO目标检测方法，其特征在于，所述特征推理融合网络的损失函数为：

Loss＝λ₁Loss_GIoU+λ₂Loss_RL+λ₃Loss_vl

其中，λ₁为回归损失的权重系数；λ₂为样本关联损失的权重系数；λ₃为分类损失权重系数。