[发明专利]一种基于多头自注意力机制的无人机变尺寸目标检测方法

权利要求书

1.一种基于多头自注意力机制的无人机变尺寸目标检测方法，其特征在于，它包括：

S1、建立数据集：

采用无人机的机载摄像头采集一组包含目标物体的图片，获取一组数据，结合开源数据集制作标签，建立数据集；

S2、建立网络结构：

根据S1获取的数据集，采用多头自注意力机制建立多头自注意力目标检测头网络，所述多头自注意力目标检测头网络的后端采用Faster Rcnn基本框架，在多头自注意力目标检测头网络的回归层再次引入自注意力机制；

S3、分步骤进行网络训练，获得训练好的多头自注意力目标检测头网络；

S4、对目标物体进行检测：

无人机的机载摄像头采集目标物体的图像，对图像进行预处理后输入S3获取的多头自注意力目标检测头网络，多头自注意力目标检测头网络输出检测结果；

S2所述建立多头自注意力目标检测头网络的方法包括：

S2-1、将数据集依次输入两个标准残差块中，数据在每个标准残差块中依次经过卷积层、合并层和激活层，然后向高维度特征空间映射，获得上层网络计算结果；

S2-2、将上层网络计算结果输入自注意力层，获得自注意力层的输出结果；

S2-3、将自注意力层的输出结果输入回归层，选择目标物体候选框与特征图合并，作为多头自注意力目标检测头网络的输出结果；

S2-4、将多头自注意力目标检测头网络的输出结果输入到后端Faster Rcnn基本框架的分类检测网络中，获得目标物体的最终位置和所属 类别；

S2-2所述自注意力层的输出结果的计算方法包括：

输入矩阵将输入特征层转化为序列化的像素层，包括T个D_in维度的序列化像素；

通过序列化像素层的查询矩阵W_qry、关键词矩阵W_key和其值矩阵W_val得到每个输入序列的注意力分数

将注意力分数A：转化为自注意力权重，获得输出结果：

Self-Attention(X)：＝softmax(A：)XW_val；

S2-3所述多头自注意力目标检测头网络的输出结果的获取方法包括：

提取自注意力层的输出结果的特征信息，通过映射矩阵W_out和偏置B_out与各层结果合并，获得最终输出：

其中：N_h表示多头自注意力目标检测头网络的特征空间，h表示N_h中的特征层；

在计算自注意力分数A：时，加入位置信息向量

位置信息向量P中，位置编码包括绝对位置编码和相对位置编码。

2.根据权利要求1所述的一种基于多头自注意力机制的无人机变尺寸目标检测方法，其特征在于，S1所述采集一组包含目标物体的图片获取一组数据集的过程包括：

对图片进行去噪、数据归一化和图片数据降采样。

3.根据权利要求1所述的一种基于多头自注意力机制的无人机变尺寸目标检测方法，其特征在于，S3所述进行网络训练的具体方法包括：

S3-1、在ImageNet数据集上对S2建立的多头自注意力目标检测头网络和回归层进行预训练，将训练好的模型合并到多头自注意力目标检测头网络中；

S3-2、将S1获取的数据集划分为训练集和测试集两部分；

S3-3、利用S1获取的数据集对多头自注意力目标检测头网络进行端到端的训练，同时利用测试集进行性能检测；

S3-4、根据性能检测调整训练结果，返回执行S3-3，直至获取最终训练好的多头自注意力目标检测头网络。

4.根据权利要求1-3中任一项所述的一种基于多头自注意力机制的无人机变尺寸目标检测方法，其特征在于，S4所述对图像进行预处理包括：

空间域滤波图像去噪和数据标准化处理。