[发明专利]基于注意力机制和改进特征融合的小目标害虫检测方法

权利要求书

1.一种基于注意力机制和改进特征融合的小目标害虫检测方法，其特征在于，包括以下步骤：

S1，获取害虫图像数据集并进行预处理，所述预处理包括镜像翻转和/或随机旋转；

S2，将采集的小目标害虫图像数据输入检测模型进行模型训练；

S3，将待测的小目标害虫图像输入训练完毕的检测模型得到检测结果。

2.根据权利要求1所述的一种基于注意力机制和改进特征融合的小目标害虫检测方法，其特征在于，所述的检测模型包括：

VGG16网络，作为主干网络用于特征提取；在所述VGG16提取特征之后为注意力机制，在所述注意力机制后为特征融合。

3.根据权利要求1所述的一种基于注意力机制和改进特征融合的小目标害虫检测方法，其特征在于，所述注意力机制采用CBAM，包括通道注意力模块和空间注意力模块，包括如下步骤：

将VGG16提取的特征图T_S输入通道注意力模块，通道注意力模块对特征图分别进行最大池化和平均池化，然后分别经过全连接层先降低维度再升高维度，最后将处理之后的特征图相加；

将相加后的特征图与VGG16提取的特征图T_S进行相乘，作为空间注意力模块的输入X_S，空间注意力模块首先在通道维度上进行平均池化和最大池化，然后将他们产生的特征图进行拼接，然后进行卷积操作，再通过sigmoid激活函数，将通过激活函数的特征图与特征图X_S进行相乘操作，得到特征图K_C，将特征图K_C与VGG16提取的特征图T_S相加，得到经过注意力机制的特征图。

4.根据权利要求1所述的一种基于注意力机制和改进特征融合的小目标害虫检测方法，其特征在于，所述特征融合采用改进FPN，包括以下步骤：

S00，通过注意力机制得到若干层特征图，利用残差分支将最高层特征图按照三种不同的比例尺度划分，并经过自适应池化计算得到三种特征图adaptpool_features，然后经过卷积操作将所述三种特征图的通道大小统一；

S10，将大小统一的三种特征图分别经过最近邻上采样，将经过最近邻上采样的三种特征图逐元素相加进行融合特征，得到融合的特征图；

S20，将所述融合的特征图与三种特征图adaptpool_features分别相乘然后逐元素相加来融合特征得到该残差分支的目标特征图，然后再与最高层特征图逐元素相加得到adap_featrue代替高层特征图；

S30，将adap_featrue与其它层特征图依次自上而下逐层融合，得到检测结果。

5.根据权利要求4所述的一种基于注意力机制和改进特征融合的小目标害虫检测方法，其特征在于，所述自上而下逐层融合是上层特征图采用2倍最近邻上采样与下层特征图逐元素相加来融合特征；所述上采样的低层特征图权值赋为0.5。

6.根据权利要求4所述的一种基于注意力机制和改进特征融合的小目标害虫检测方法，其特征在于，所述检测模型的损失函数为：

L＝L_{CrossEntropy Loss}+L_Gioi#(6)

其中，L_{CrossEntropy Loss}为类别损失；

L_Giou为位置损失。