【技术实现步骤摘要】
一种基于注意力机制与多尺度融合的目标检测方法
[0001]本专利技术涉及目标检测
,具体涉及一种基于注意力机制与多尺度融合的目标检测方法。
技术介绍
[0002]桥式起重机是一种横架于车间、仓库和料场上空进行物料吊运的起重设备,具有不受地面设备影响的特点,广泛应用到各行各业,但其运行过程中存在一些安全问题,如发生小车倾覆或吊重碰撞等安全问题,造成人员伤亡和起重机设备的损坏,造成人身损失和经济损失;
[0003]在科技快速发展的今天,机械设备呈现出信息化、智能化的发展方向,使得机械工业设备面临更多挑战;为了提高产品竞争力,国内起重机制造企业也都纷纷对起重机设备进行升级改进;对于安全性、快速性及平稳运行有特殊要求的场所,智能化程度高的起重机更容易满足使用需求;智能化起重机可以在保证工作效率的同时,进行高精度重复动作,避免人工操作存在的随机性,减少操作人员;智能化起重机可以进行安全辅助功能,提高安全性,减少起重机事故带来的人员伤亡和财产损失;
[0004]桥式起重机工作环境较为复杂,进行转载时容易发生碰撞剐蹭等事故,影响了人员和装备安全,严重制约了吊重转载效率及装备保障水平;对桥式起重机工作环境安全进行监测,是避免事故产生的有效途径;动态目标检测算法是对吊装场景进行实时安全监控的有效方法;但由于传统目标检测算法在安全监控的过程中,不能满足光照频繁变化的复杂背景下的目标检测需求,导致其检测精度降低,严重影响桥式起重机工作过程中的安全性;
[0005]因此,亟需设计一种能能够进行多尺度特征融合的目 ...
【技术保护点】
【技术特征摘要】
1.一种基于注意力机制与多尺度融合的目标检测方法,其特征在于:包括步骤Step1.在起重机监控系统的YOLOv5s算法Neck网络中,引入PSConv特征重构模块和ECA注意力机制模块,对YOLOv5s网络进行改进,得到改进后的算法模型PE
‑
YOLOv5s;Step2.将传感器采集得到的数据集图像输入到算法模型PE
‑
YOLOv5s内,进行特征提取,得到多尺度的特征图集;Step3.将步骤Step2得到的多尺度的特征图进行特征重建融合;Step4.将步骤Step3得到的重建后的特征利用ECA注意力机制模块进行基于注意力机制的特征筛选;Step5.对步骤Step4筛选后得到的特征进行分类和回归操作,得到基于注意力机制与多尺度融合的YOLOv5目标检测模型;Step6.将测试数据带入基于注意力机制与多尺度融合的YOLOv5目标检测模型中,进行目标检测。2.根据权利要求1所述的一种基于注意力机制与多尺度融合的目标检测方法,其特征在于:步骤Step1所述的PE
‑
YOLOv5s算法包括输入端、基准网络、特征融合和预测部分;所述输入端包含图像的预处理阶段,在输入端沿用YOLOv4的Mosaic数据增强,提升模型的训练速度和网络精度;所述基准网络网络是检测网络的主干,用于提取出图像的高中低层的特征;所述特征融合部分主要用于生成特征金字塔,增强模型对于不同缩放尺度对象的检测;所述预测部分用于进行卷积,得到预测结果。3.根据权利要求2所述的一种基于注意力机制与多尺度融合的目标检测方法,其特征在于:步骤Step1所述的PE
‑
YOLOv5s算法还包括A框、B框、C框、D框、E框和F框;其中A框是CBL结构,由Conv+Bn+Leaky_relu激活函数三者组成;B框为Res unint模块,是由两个CBL模块组成的残差组件;C框和D框是CSP1_X、CSP2_X的结构;E框是SPP结构;F框是Focus结构。4.根据权利要求1所述的一种基于注意力机制与多尺度融合的目标检测方法,其特征在于:步骤Step2所述的特征提取过程为利用PSConv将扩张因子沿输入输出通道周期循环,提取图像中的不同尺度特征,得到多尺度的特征图集;其中所述PSConv的卷积定义为:上式中,是由两个正交维度的通道膨胀率和滤子膨胀率组成的矩阵;表示输入特征,表示卷积核,表示输出特征。5.根据权利要求4所述的一种基于注意力机制与多尺度融合的目标检测方法,其特征在于:步骤Step3所述的多尺度的特征图的融合的过程为利用PSConv通过按照通道对不同
尺度卷积交替计算,通过将...
【专利技术属性】
技术研发人员:何祯鑫,刘春桐,刘忠业,冯永保,于传强,李良,王欣,
申请(专利权)人:中国人民解放军火箭军工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。