[发明专利]一种轻量化煤矸目标检测方法

权利要求书

1.一种轻量化煤矸目标检测方法，其特征在于，具体按照以下步骤实施：

步骤1，数据集采集与标注：在不同光照条件下采集煤矸图片，形成煤矸数据集；

步骤2，利用轻量化特征提取网络，提取煤矸图片的多尺度特征；

具体为：以SSD特征提取网络为基础，利用GhostNet的Conv1、GB Neck2、GB Neck3、GBNeck4、GB Neck5作为SSD特征提取网络的主体网络层提取任意一张煤矸图片的浅层特征，主体网络层输出特征图的尺寸为19×19×112，设置GhostNet的基本结构Ghost模块中利用线性变换生成特征图的个数s＝2，再经过扩展层Conv6、Conv7、Conv8、Conv9四个卷积块提取特征图的深层特征；

步骤3，应用自注意力分支对浅层特征图进行特征增强；具体过程如下：

步骤301、提取38×38、19×19两种尺度的浅层特征图作为输入，经过自注意力模块输出，将每张特征图x∈R^h×w×c分别经过q,k,v三个分支，q,k两条分支使用扩张卷积对输入特征图进行尺度压缩，得到输出q(x)∈R^h×w×c/8、k(x)∈R^h×w×c/8卷积核的个数分别为c/8、c/8，扩张率分别为1、3，将q,k两条分支的扩张卷积输出q(x)、k(x)的维度变换为q(x)∈R^N×c/t、k(x)∈R^N×c/t，经过矩阵相乘运算、softmax运算得出注意力图θ(x)∈R^N×N，v分支使用扩张卷积对输入特征图进行特征提取，得到输出ν(x)∈R^h×w×c，卷积核的个数为c，扩张率为5，将v分支扩张卷积输出ν(x)维度变换为R^N×c，再与注意力图θ(x)相乘，将相乘结果进行维度变换，最后与输出特征图x进行shortcut连接，得到自注意力特征图y∈R^h×w×c；

步骤302、分别以步骤301得到的两个自注意力特征图y为输入，利用1×1卷积实现特征跨通道的交互和信息整合；38×38、19×19两种尺度特征图对应分支1×1卷积核个数分别为40、120；

步骤4，利用修改后的锚框参数生成每种尺度特征图对应的锚框；

具体为：利用K-means对煤矸数据集进行聚类，使用每个anchorbox与聚类中心框的交并比IOU作为度量标准，采用的度量公式为d(box,centroid)＝1-IOU(box,centroid)，其中box代表真实标注框的集合，centroid代表聚类中心框的集合，设置聚类簇数k＝6，通过对数据集聚类得到锚框的纵横比aspect_ratios＝[ar₁,ar₂,ar₃,ar₄,ar₅,ar₆]，根据聚类结果对锚框尺寸参数进行修改，并将六种尺度网格点生成锚框的个数改为[6,6,6,6,6,6]；

6种尺度特征图归一化尺度参数计算公式如式(1)所示；

式(1)中，s_k表示第k个特征图的归一化尺度参数；s_min是最小归一化尺寸，取值为0.2，s_max是最大归一化尺寸，取值为0.9；m表示特征图的个数，取值为6；

第k种尺度特征图对应的6个锚框尺寸的计算公式，如式(2)所示，则得到第k种尺度特征图对应的6个锚框尺寸{(w₁,h₁),(w₂,h₂),(w₃,h₃),(w₄,h₄),(w₅,h₅),(w₆,h₆)}；

其中，w_i、h_i分别表示由aspect_ratios中第i个纵横比计算得到锚框的宽和高；

步骤5，以SSD目标检测模型为基本框架，构建改进SSD煤矸目标检测模型；

步骤6，对模型进行训练。