[发明专利]基于注意力机制的目标检测方法、网络、设备和存储介质

权利要求书

1.一种基于注意力机制的目标检测方法，其特征在于，所述方法包括：

通过特征提取网络提取待检测图像的特征，得到第一特征图；

通过区域生成网络处理所述第一特征图，得到至少一个候选区域；

通过ROI池化网络处理所述第一特征图和所述至少一个候选区域，得到第二特征图，所述第二特征图包括所述至少一个候选区域；

通过分类网络和回归网络分别处理所述第二特征图，得到至少一个目标的类别得分和边界框信息；

其中，所述特征提取网络、所述分类网络和所述回归网络中的至少一个包括注意力子网络；

其中，所述注意力子网络用于：确定在先层，所述在先层为待配置注意力权重的特征图；确定临时层；基于所述在先层和所述临时层，确定注意力权重；将所述在先层和所述注意力权重进行乘积操作，实现对所述在先层增加注意力。

2.根据权利要求1所述的方法，其特征在于，所述确定临时层包括：对所述在先层进行卷积操作得到临时层。

3.根据权利要求1所述的方法，其特征在于，所述特征提取网络提取得到多张尺度不同的第一特征图；

所述确定在先层包括：选择第一尺度的第一特征图为在先层；

所述确定临时层包括：选择第二尺度的第一特征图为临时层；

其中，所述第二尺度小于所述第一尺度。

4.根据权利要求1所述的方法，其特征在于，所述特征提取网络提取得到多张尺度不同的第一特征图；

所述确定在先层包括：选择任一尺度的第一特征图为在先层；

所述确定临时层包括：选择多张第一特征图，通过卷积操作将选择的多张第一特征图合并为临时层；

其中，选择的多张第一特征图的尺度均小于所述在先层的尺度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述在先层和所述临时层，确定注意力权重包括：

将所述在先层和所述临时层进行相加操作；

对所述相加操作得到的特征图进行卷积操作；

对所述卷积操作得到的特征图进行激活操作，得到注意力权重。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述在先层和所述临时层，确定注意力权重之前，所述注意力子网络还用于：

将所述在先层的尺度和所述临时层的尺度进行统一，所述进行统一的方式包括：对尺度较小的层进行上采样，或者，对尺度较大的层进行下采样。

7.一种基于注意力机制的目标检测网络，其特征在于，所述网络包括：

特征提取网络、区域生成网络、ROI池化网络、分类网络和回归网络；

其中，所述特征提取网络、所述分类网络和所述回归网络中的至少一个包括注意力子网络；

其中，所述注意力子网络，用于确定在先层，所述在先层为待配置注意力权重的特征图；确定临时层；基于所述在先层和所述临时层，确定注意力权重；将所述在先层和所述注意力权重进行乘积操作，实现对所述在先层增加注意力；

所述特征提取网络，用于提取待检测图像的特征，得到第一特征图；

所述区域生成网络，用于处理所述第一特征图，得到至少一个候选区域；

所述ROI池化网络，用于处理所述第一特征图和所述至少一个候选区域，得到第二特征图，所述第二特征图包括所述至少一个候选区域；

所述分类网络，用于处理所述第二特征图，得到至少一个目标的类别得分；

所述回归网络，用于处理所述第二特征图，得到所述至少一个目标的边界框信息。

8.根据权利要求7所述的目标检测网络，其特征在于，所述注意力子网络确定临时层包括：对所述在先层进行卷积操作得到临时层。