[发明专利]一种融合轻量级注意力模型的目标检测方法

权利要求书

1.一种融合轻量级注意力模型的目标检测方法，其特征在于，包括以下步骤：

S1、利用现有图像制作训练数据集；

S2、构建神经网络模型：采用YOLOv4网络作为神经网络模型，在YOLOv4网络的PANet部分融入轻量级注意力模型，在横向进行每次卷积操作后对特征图进行一次注意力调整；所述轻量级注意力模型由通道注意力模块和空间注意力模块串联形成，对输入特征图的处理方法为：

S21、通道注意力模块对输入特征图分别进行空间全局最大值池化和均值池化操作，生成两个一维通道特征描述符；

S22、分别对步骤S21中生成的两个一维通道特征描述符进行一维卷积操作，获得一维卷积后的通道特征描述符；

S23、对一维卷积后的通道特征描述符按对应元素相加，获得融合后的描述符，对融合后的描述符使用Sigmoid函数运算，生成通道注意力；

S24、将生成的通道注意力在空间域进行广播，扩充到与输入特征图的大小相同，随后与输入特征图按对应元素相乘，获得注入通道注意力后的特征图；

S25、空间注意力模块对注入通道注意力后的特征图分别进行通道全局最大值池化和均值池化操作，生成两个空间特征描述符，对两个空间特征描述符在通道轴方向进行叠加，获得叠加后空间特征描述符；

S26、对叠加后空间特征描述符进行3×3的空洞卷积，空洞率设置为2，对卷积后的描述符使用Sigmoid函数运算，生成空间注意力；

S27、将空间注意力在通道域进行广播，扩充到与输入特征图的大小相同，随后与注入通道注意力后的特征图按对应元素相乘，获得注入空间注意力后的特征图；

S3、采用训练数据集对步骤S2构建的神经网络进行训练，获得训练好的神经网络模型；

S4、将待检测图像输入训练好的神经网络模型，获得目标检测结果。

2.根据权利要求1所述的一种融合轻量级注意力模型的目标检测方法，其特征在于，所述步骤S22中，进行一维卷积操作的卷积核的长度由以下公式自适应决定：

其中，C表示输入特征图通道数，| t |_odd表示取与t最接近的奇数。

3.根据权利要求2所述的一种融合轻量级注意力模型的目标检测方法，其特征在于，所述步骤S23中，生成通道注意力的方法为：

其中，表示输入特征图，AvgPool和MaxPool分别表示空间全局均值池化和全局最大值池化，表示卷积核大小为k的一维卷积，表示Sigmoid函数。

4.根据权利要求3所述的一种融合轻量级注意力模型的目标检测方法，其特征在于，所述步骤S26中，生成空间注意力的方法为：

其中，表示3×3大小的空洞卷积。