【技术实现步骤摘要】
用于道路破损检测的多尺度目标检测模型、方法
[0001]本申请涉及目标检测领域，特别是涉及用于道路破损检测的多尺度目标检测模型、方法。
技术介绍
[0002]目标检测一直以来都是深度学习中的一个热点，目前主流的目标检测算法按照算法阶段分有两类：第一类为两阶段的目标检测算法，较为著名的为R
‑
CNN系列及其变体，第二类为单阶段的目标检测算法，如YOLO系列及其变体。虽然需要科研人员都在目标检测和识别领域取得了丰硕的成果，但是这些方法的应用具有一定的局限性，主要体现在：对于非限定条件下的多尺度目标检测效果并不好，换言之，目前解决由于单尺度的深度特征难以提高，导致复杂场景下的检测和识别性能依旧低下的问题仍然是一个十分重要且具有实际意义的研究内容。
[0003]目前的多尺度目标检测模型在检测目标时主要体现在以下几个方面：（1）大型和小型目标具有完全不同的视觉特征，因此对于不同目标的规模变化问题是计算机视觉检测与识别中的一个难题；对于目标检测而言，学习尺度不变表示对于识别和定位目标至关重要。而目前的模型存在模...
【技术保护点】
【技术特征摘要】
1.一种多尺度目标检测模型的构建方法，其特征在于，包括：依次连接的主干网络、聚焦Transformer模块、空间调制共同注意力机制模块以及多尺度预测头部，输入图像在经过主干网络后得到第一特征，第一特征输入到聚焦Transformer模块中输出第二特征，第二特征和第一特征融合后得到第三特征，第三特征经历不同尺度的下采样处理后得到至少一第四特征，第四特征和第三特征共同输入空间调制共同注意力机制模块得到至少一多尺度语义特征，多尺度语义特征输入多尺度预测头部进行目标检测，其中主干网络包括多层下采样层，聚焦Transformer模块包括串联的第一聚焦模块和第二聚焦模块，所述第一聚焦模块由层归一化和聚焦自注意力机制组成，所述第二聚焦模块由层归一化和多层感知机组成。2.根据权利要求1所述的多尺度目标检测模型的构建方法，其特征在于，第一特征输入到第一聚焦模块后得到第一聚焦特征，第一聚焦特征和第一特征融合后再输入第二聚焦模块中得到第二聚焦特征，第二聚焦特征和第一聚焦特征融合后得到第三聚焦特征，第三聚焦特征被特征重塑后得到第三特征。3.根据权利要求2所述的多尺度目标检测模型的构建方法，其特征在于，第一特征在经历层归一化后输入聚焦自注意力机制，输入到聚焦自注意力机制的特征图被窗口划分为不同层级的特征区域，每一特征区域内均含有相同的查询特征，每一特征区域经历对应尺度的子窗口池化后被平展得到平展图，所有平展图共同融合后得到融合图，融合图经历线性投影后获取values特征向量和keys特征向量，查询特征被平展后并进行线性投影获取线性投影图，线性投影图、values特征向量和keys特征向量共同输入多头部注意力网络中得到第一聚焦特征。4.根据权利要求3所述的多尺度目标检测模型的构建方法，其特征在于，在“每一特征区域经历对应尺度的子窗口池化后被平展得到平展图”步骤中，小尺度的特征区域对应的子窗口池化尺度小。5.根据权利要求1所述的多尺度目标检测模型的构建方法，其特征在于，述多层感知层包括依次连接的第一全连接层、SUM激活函数、第二全连接层、第一Dropout层、第三全连接层以及第二Dropout层。6.根据权利要求1所述的多尺度目标检测模型的构建方法，其特征在于，所有第四特征和所述第三特征在所述编码器内利用层内自注意力编码、层间自注意力编码、线性投影后得到Keys特征向量和Values特征向量；在所述解码器内，目标查询向量通过多层感知机生成空间先验特征，keys特征向量和目标查询向量相乘得到共同注意力特征，共同注意力特征与对应的空间先验特征映射地相乘得到多尺度调制共同注意力特征，多尺度调制共同注意力特征在不同分支中经过对应的共同注意力权重处理后得到多尺度聚合特征，处理所述多尺度聚合特征输出至少一多尺度语义特征。7.根据权利要求6所述的多尺度目标检测模型的构建方法，其特征...
【专利技术属性】
技术研发人员：齐韬，张香伟，刘仿，曹喆，王勇，彭大蒙，毛云青，
申请(专利权)人：城云科技中国有限公司，
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。