[发明专利]一种融合注意力模型的烟虫目标检测方法

权利要求书

1.一种融合注意力模型的烟虫目标检测方法，其特征在于，包括：

获取烟虫图像，并制作目标检测的训练数据集；

构建神经网络模型，所述神经网络模型以ResNet50为CenterNet目标检测算法的主干特征提取网络，加入注意力模型后的残差结构对输入的特征图进行通道注意；

使用所述训练数据集对所述神经网络模型的CenterNet目标检测算法进行训练，以获得训练好的网络模型；

将待检测烟虫图像输入训练好的所述神经网络模型，以获得烟虫检测结果。

2.根据权利要求1所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述制作目标检测的训练数据集包括：

使用不同的图像采集设备采集样本图像，再对所述样本图像进行数据增强处理，包括裁剪、平移、亮度和高斯噪声；

对所述样本图像进行数据集标注，并生成对应的XML文件。

3.根据权利要求2所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述对所述样本图像进行数据集标注，包括：

打开图片目录，选择标注文件保存地址，创建边界框，锁定目标范围和选择目标类型，最后将数据集整理为VOC格式。

4.根据权利要求3所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述制作目标检测的训练数据集还包括：

对所述样本图像进行图像质量评估，并根据所述样本图像的质量评估值对烟虫图像进行分类，以形成不同的训练数据集。

5.根据权利要求4所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述神经网络模型以ResNet50为CenterNet目标检测算法的主干特征提取网络，包括：

对CenterNet网络进行改进，将ResNet50深度残差神经网络作为主干特征提取网络，所述ResNet-50深度残差神经网络包括：输入层，最大池化层和Conv Block和IdentityBlock。

6.根据权利要求5所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述加入注意力模型后的残差结构对输入的特征图进行通道注意，包括：

将注意力模型插入到ResNet50网络中残差结构的主干末尾部分；

注意力模型首先对输入的特征图进行全局平均池化，然后通过自适应的一维卷积生成通道特征注意力；

使用非线性Sigmoid函数生成通道权重，最后将生成的每个通道权重与输入特征图对应元素相乘，获得通道注意后的特征图。

7.根据权利要求6所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述将注意力模型插入到ResNet50网络中残差结构的主干末尾部分，包括：

通过在ResNet50网络中的Conv Block和Identity Block的主干末尾部分加入注意力模型，以对输入注意力模型的特征图进行通道注意。

8.根据权利要求7所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述将待检测烟虫图像输入训练好的所述神经网络模型，以获得烟虫检测结果，包括：

利用主干特征提取网络ResNet50对输入的图像提取特征，对提取的特征利用反卷积进行上采样得到更高分辨率特征图，然后分别进行热力图预测、中心点预测和宽高预测，最后输出检测结果。

9.根据权利要求8所述的融合注意力模型的烟虫目标检测方法，其特征在于，所述对输入的特征图进行通道注意，包括：

其中，M_C(F)为通道注意力，F表示输入特征图，Avgpool(F)表示全局平均池化，表示大小为k的一维卷积，σ表示Sigmoid函数。