一种基于差异性空间注意力机制的实时目标检测方法技术

本发明专利技术公开一种基于差异性空间注意力机制的实时目标检测方法。包括：对空间注意力机制进行改进，提出了差异性空间注意力机制DSAM，通过卷积操作赋予特征图各通道不同的重要性和作用，实现了有效信息的保留和噪声信息的抑制。对Yolov4

【技术实现步骤摘要】
一种基于差异性空间注意力机制的实时目标检测方法


[0001]本专利技术属于目标检测领域，更具体的，尤其涉及一种基于差异性空间注意力机制的实时目标检测方法。

技术介绍

[0002]目标检测是计算机视觉中最重要的任务之一。自从第一个无约束的实时人脸检测方法“Viola
‑
Jones检测器”被提出以来，目标检测技术一直在不断发展。特别是近年来，随着深度学习的发展，物体检测方法的性能得到了极大的提高，在很多领域都有广泛的应用，如交通标志检测、人机交互、医学图像分析、自然场景检测等。
[0003]基于深度学习的目标检测可以分为两类：两阶段检测和一阶段检测，前者将目标检测视为一个由粗到细的过程，后者将目标检测视为一个一步到位的过程。典型的两阶段检测器包括RCNN、SPPNet、Fast RCNN、Faster RCNN和FPN等。典型的单阶段检测器包括Yolo系列、SSD、RetinaNet等。两级检测器和一级检测器都有复杂的网络结构和大量的参数，需要GPU(图形处理单元)进行实时目标检测。但在实际应用中，设备的计算能力和内存是有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差异性空间注意力机制的实时目标检测方法，其特征在于，该方法包括：采用目标检测数据集训练DSAM
‑
Det，训练集中样本为包含待检测目标的图片，标签为图片中目标的位置和类别，得到训练好的检测模型；将测试集的图片输入到训练好的检测模型，得到图片中目标的位置和类别。所述DSAM
‑
Det包括串联的CSPDarknet53
‑
Tiny、FPN和Yolo
‑
head。CSPDarknet53
‑
Tiny包括CBL、CSPBlock和Maxpooling，其中CBL表示卷积和批量归一化操作，激活函数是leaky_relu。CSPBlock包括CBL、Grouping、Concatenation和DSAM。FPN包括CBL、Upsample和Concatenation。Yolo
‑
head包含两个卷积...

【专利技术属性】
技术研发人员：张康，徐蔚鸿，李庚隆，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：