[发明专利]工业遮挡目标检测方法

说明书

本申请涉及一种工业遮挡目标检测方法，在三次连续的WiggleTransformer Block操作中，在执行每次Wiggle Transformer Block操作中的窗口切分步骤时采用不同类型的W‑MSA模块，WWL‑MSA模块和WWR‑MSA模块进行窗口切分，并在每个切分后形成的窗口中各自进行attention计算。不同的MSA模块可以提取不一样的窗口位置，实现了更多的跨窗口之间的连接，增加了窗口与窗口之间的交互，保留了图片边缘信息交互的必要性，提高了全局性和鲁棒性。在每个窗口中各自进行attention计算，这样做的好处是既能引入CNN卷积操作的局限性，另一方面能节省计算量，以满足工业应用的需求。本申请既可以减少遮挡物对检测目标的影响，又可以多层次增加细节特征，以提高遮挡目标检测的准确率。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及一种工业遮挡目标检测方法。

背景技术

近年来，随着深度学习技术的迅猛发展，相关技术已经在目标检测领域广泛 应用。目标检测作为其中一项较为基础的识别技术对智能交通、社会安全、工 业互联网等领域提供技术支持，具有广泛的应用场景。

遮挡情况在各种领域的目标检测中普遍存在，为此遮挡目标检测是目标检测 领域的一个难点问题，也是目标检测方法在工业应用过程中最广为关注的问题 之一。根据遮挡物的不同，在现实场景中遮挡目标主要分为两种情况，即待检 测的目标被干扰物体遮挡，这往往会造成目标信息的丢失，从而导致目标漏检； 而另一种则是待检测的目标之间造成的遮挡，这通常容易引大量的干扰信息， 进而导致了目标错检的情况。

目标检测在相对长的一段时间以来一直以卷积神经网络为主导。尽管卷积神 经网络的检测算法取得了不错的效果，但是大多数方法只使用卷积神经网络最 后一层特征，无法实现具有不同感受野的特征在尺度上的多样性，而且系统运 算量会随着卷积层数增加，计算十分耗时。特别地，卷积运算擅长提取局部特 征，但难以捕获全局表示。不少人将Self-Attention与ResNet结合应用于目 标检测的任务中。相对于单纯的卷积，两者的结合实现了比相应的ResNet架构 实现了精度与速度之间的权衡。但是，它们昂贵的内存访问导致它们的实际延 迟明显大于卷积网且如何精确地嵌入局部特征和全局表示的问题仍然存在。接 下来的Vision Transformer在图像分类方面取得一定的进展，但其结构不适合 作为密集视觉任务或输入图像时的通用主干网络。受限于图像的矩阵性质，一 张图片至少需要几百个像素点来表达图片信息，而建模这种几百个长序列的数 据导致Transformer的计算量较大，无法实现精度与访问内存，以及图片处理 速度之前的权衡。

综上所述，对于工业遮挡目标检测来说，目前最主要的问题是检测精度不足， 同时检测速度难以满足要求。

发明内容

基于此，有必要针对传统工业遮挡目标检测方法检测精度不足，同时检测 速度难以满足要求的问题，提供一种工业遮挡目标检测方法。本申请所提供的 方法可广泛应用于各类工业检测领域。

本申请提供一种工业遮挡目标检测方法，所述方法包括：

输入待处理图片，将待处理图片进行patch分割和应用线性嵌入层进行降 维，得到第一特征图；

将第一特征图进行三次连续的WiggleTransformer Block操作，生成第二 特征图；

将第二特征图输入至Patch Merging模块执行Restructure操作，将经Restructure操作后的第二特征图进行三次连续的WiggleTransformer Block操 作，生成第三特征图；

将第三特征图输入至Patch Merging模块执行Restructure操作，将经Restructure操作后的第三特征图进行六次连续的WiggleTransformer Block操 作，生成第四特征图；