[发明专利]一种用于图像目标检测的轻量级双分支卷积神经网络及其检测方法

权利要求书

1.一种用于图像目标检测的轻量级双分支卷积神经网络，其特征在于：所述轻量级双分支卷积神经网络包括依次连接的骨干网、特征金字塔网络和检测头，其中：

骨干网，使用双分支架构，一路分支保持高分辨率的特征，另一路分支使用连续下采样操作获得低分辨率的特征，并使用双向融合模块Bi-FM融合跨分辨率特征；

特征金字塔网络，使用高效交叉注意力模块ECAM计算不同分辨率特征的关系；

检测头，使用包含轻量化深度卷积和点卷积的ConvBlock模块进行类别和边框预测，输出最终图像目标检测结果。

2.根据权利要求1所述的一种用于图像目标检测的轻量级双分支卷积神经网络，其特征在于：所述骨干网包含卷积层、最大池化层、增强的混洗模块ESB、带步长的增强的混洗模块ESB,s以及双向融合模块Bi-FM。

3.根据权利要求2所述的一种用于图像目标检测的轻量级双分支卷积神经网络，其特征在于：所述增强的混洗模块ESB构成将输入特征分离为两个相同通道的低维映射，一路分支依次经过1×1，一个5×5步长为1深度可分离卷积和1×1提取局部卷积特征，然后使用高效自注意力模块ESAM捕捉长距离依赖；另一路分支保持不变；两个分支的输出被拼接，并使用混洗单元进行信息交互。

4.根据权利要求2所述的一种用于图像目标检测的轻量级双分支卷积神经网络，其特征在于：所述带步长的增强的混洗模块ESB,s将输入特征分离为两个相同通道的低维映射，一路分支依次经过1×1，5×5步长为2深度可分离卷积，通道保持不变，然后经过1×1卷积将通道个数提升1倍，再使用高效自注意力模块ESAM提取全局特征；另一路分支经过5×5步长为2深度可分离卷积进行下采样，然后经过1×1卷积将通道个数提升1倍；两个分支的输出被拼接，并使用混洗单元进行信息交互。

5.根据权利要求2所述的一种用于图像目标检测的轻量级双分支卷积神经网络，其特征在于：所述双向特征融合模块Bi-FM，对高分辨特征使用5×5步长为2深度可分离卷积，然后使用1×1卷积将其通道个数提升至与低分辨率相同，然后将其分辨率缩放到与低分辨率特征相同再与其相加；同时对低分辨率特征使用点卷积使其通道与高分辨率特征相同，然后双线性插值使其分辨率与高分辨率特征相同，再与之相加。

6.根据权利要求1所述的一种用于图像目标检测的轻量级双分支卷积神经网络，其特征在于：所述特征金字塔网络中设有高效交叉注意力模块ECAM，其包括自顶向下融合时的高效交叉注意力模块ECAM-TD和自底向上融合时的高效交叉注意力模块ECAM-BU，并设有轻量化瓶颈块来改善输出。