[发明专利]一种基于空间特征表示的目标检测网络的检测方法和系统

权利要求书

1.一种基于空间特征表示的目标检测网络的检测方法，其特征在于，具体包括以下步骤：

步骤S1、在 Darknet-53主干网络输出特征图对应的最后3个残差块中加入空间特征表示模块，通过空间特征表示模块，保存其位置信息；

步骤S2、在将空间特征表示模块输出的特征图送入FPN模块实现特征融合，经特征融合后输出的特征图送入检测头，完成后续分类和回归。

2. 如权利要求1所述的一种基于空间特征表示的目标检测网络的检测方法，其特征在于，所述步骤S1中在 Darknet-53主干网络输出特征图对应的最后3个残差块加入空间特征表示模块，通过空间特征表示模块，保存其位置信息，具体为：

步骤S11、分解全局池化，将主干网络输出特征图转换为X和Y两个方向上的两个一维全局池化；

步骤S12、利用两个一维全局池化操作分别将垂直和水平方向的输入特征聚合为两个独立的方向感知特征图；

步骤S13、通过步骤S12的上述输入特征嵌入变换操作后，将所述的两个独立的方向感知特征图进行concatenate操作；

步骤S14、使用卷积变换函数对concatenate操作的结果进行卷积变换操作，将两个独立的方向感知特征图分别编码为两个注意力图；

步骤S15、将上述两个注意力图乘到输入特征图上来增强特征图的表示能力；

步骤S16、使用三个内核大小分别为1×3、3×1和3×3的并行卷积分支，进行卷积操作，然后将三个并行分支的输出进行求和，并进行输出。

3.如权利要求2所述的一种基于空间特征表示的目标检测网络的检测方法，其特征在于，步骤S11中，按照以下公式分解全局池化：其中，H,W分别为高度和宽度方向上的尺寸，x_c(i,j)表示第c通道的输入，z_c表示第c通道的输出，i,j表示高度和宽度方向上的位置序号。

4.如权利要求2所述的一种基于空间特征表示的目标检测网络的检测方法，其特征在于，步骤S12中，利用两个一维全局池化操作分别将垂直和水平方向的输入特征聚合为两个独立的方向感知特征图，具体为：

给定输入X ，首先使用尺寸为（H,1）或（1,W）的pooling kernel分别沿着水平坐标和垂直坐标对每个通道进行编码，因此，高度为h的第c通道的输出可以表示为:同样，宽度为w的第c通道的输出表示为：其中，H,W分别为高度和宽度方向上的尺寸，x_c(h,i)和x_c(j,w)分别表示高度和宽度方向上第c通道的输入，z^h_c(h)和z^w_c(w) 表示高度和宽度方向上第c通道的输出，i,j表示高度和宽度方向上的位置序号，通过上述嵌入变换分别沿两个空间方向聚合特征，得到一对独立的方向感知的特征图。

5.如权利要求2所述的一种基于空间特征表示的目标检测网络的检测方法，其特征在于，步骤S14中，所述的使用卷积变换函数对其进行变换操作，将其分别编码为两个注意力图，使得每个注意力图都捕获了输入特征图沿着一个空间方向的长程依赖，具体为：

其中，z^h和z^w 表示高度和宽度方向上的特征图，F表示卷积变换函数，δ是非线性激活函数，f是中间特征图，g^h和g^w 表示高度和宽度方向上卷积输出，σ为sigmoid函数， h,w分别为高度和宽度方向标记。

6.如权利要求2所述的一种基于空间特征表示的目标检测网络的检测方法，其特征在于，步骤S15中，所述的将上述两个注意力图乘到输入特征图上来增强特征图的表示能力，其输出可以表示为:其中，x_c(i,j)表示第c通道的输入，y_c(i,j)表示第c通道的输出，g^h_c(i)和g^w_c(j)分别表示高度和宽度方向上的注意力图，i,j表示高度和宽度方向上的位置序号。