[发明专利]自然场景下融合YOLOV5的口罩实时检测算法

权利要求书

1.自然场景下融合YOLOV5的口罩实时检测算法，其特征在于，包括：在YOLOV5主干网络结构中设置的特征提取模块以及推理模块；

所述特征提取模块采用双分支结构，包括用于提取局部特征的局部特征提取分支，以及用于提取全局特征的全局特征提取分支，获取全局特征与局部特征融合后的特征；

所述推理模块包括Flatten层、位置编码器、多头注意力结构层、线性层以及Rearrange层，包括以下步骤：通过Flatten层把输入的张量改组为一个序列，采用正弦和余弦编码的方式得到相对位置编码，将正弦函数和余弦函数处理得到的值，成对嵌入到卷积特征中，输入到多头注意力结构层；

多头注意力结构层的输出经过归一化后输入至线性层，所述Rearrange层用于将归一化处理过的输出转化为检测头Head所期望的shape文件。

2.根据权利要求1所述的自然场景下融合YOLOV5的口罩实时检测算法，其特征在于：所述全局特征提取分支采用瓶颈结构，用于降低网络计算复杂度。

3.根据权利要求1所述的自然场景下融合YOLOV5的口罩实时检测算法，其特征在于：所述局部特征提取分支的步骤包括：使用步长为2，卷积核为3×3的卷积层对输入特征图进行降维操作，即降至原特征图的1/4，进而利用两个步长均为1的卷积层提取局部特征。

4.根据权利要求1所述的自然场景下融合YOLOV5的口罩实时检测算法，其特征在于：所述全局特征提取分支的步骤包括：先利用全局平均池化提取全局特征，而后使用Softmax函数全局特征分布学习，最后对全局特征与局部特征采用点乘的方法，获取融合后的特征。

5.根据权利要求1所述的自然场景下融合YOLOV5的口罩实时检测算法，其特征在于：所述推理模块中，使用两次Shortcut连接，使得网络能获取较前层的特征信息，加强特征的复用。

6.根据权利要求1所述的自然场景下融合YOLOV5的口罩实时检测算法，其特征在于：通过全局特征分支提取全局信息，并指导局部特征提取。