[发明专利]面向无人机目标检测的动态上下文关系采集网络结构

权利要求书

1.面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：包括骨干网络，骨干网络通过动态上下文采集器连接顶到底通路，顶到底通路连接检测头。

2.根据权利要求1所述的面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：所述动态上下文采集器包括动态门，动态门用于学习从输入图像特征图C_i至门信号的映射函数。

3.根据权利要求2所述的面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：所述动态门包括门网络和激活函数。

4.根据权利要求3所述的面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：所述门网络的结构包括依次连接的一个全局平均池化层GAP、全连接层FC1、全连接层FC2以及一个ReLU层δ组成；

门网络的输出采用如下公式(1)表示：

其中，C_i是FPN第i层的输入，假设GateNet的输入特征的形状为H_i×W_i×C_i，H_i表示输入特征的长度、W_i表示输入特征的宽度、C_i表示输入特征的通道，输出特征形状为H_o×W_o×C_o，H₀表示输出特征的长度、W₀表示输出特征的宽度、C₀表示输出特征的通道。

5.根据权利要求3所述的面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：所述门网络的结构采用3×3卷积层Conv采集上下文关系信息，卷积层之后是全局平均池化层GAP，用于捕获整个图像的上下文关系信息，最后，使用全连接层FC输出一个二维矢量采用如下公式(2)表示门网络的输出

6.根据权利要求3所述的面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：所述门网络包含2×2的最大池化层Max Pooling、步长为2的3×3卷积层Conv，然后是全局平均池化GAP和一个全连接层FC，采用如下公式(3)计算的输出

7.根据权利要求3所述的面向无人机目标检测的动态上下文关系采集网络结构，其特征在于：所述激活函数采用概率π＝{π₁,π₂,...,π_k}的连续微分函数，通过下式预测k维one-hot编码αⁱ：

式中，i＝1,...,k,g_i,...,g_k是Gumbel(0,1)提取的独立同分布样本，τ是温度参数。