基于注意力机制蒸馏的解压缩图像目标检测方法及系统技术方案

本发明专利技术涉及一种基于注意力机制蒸馏的解压缩图像目标检测方法，包括以下步骤：步骤S1:获取高质量图像数据集，并将高质量图像数据集通过压缩解压获取对应的解压缩低质量图像数据集;步骤S2:构建目标检测教师网络和目标检测学生网络；步骤S3:基于高质量图像数据集对目标检测教师网络进行训练；步骤S4:基于训练后的目标检测教师网络，加入基于注意力的蒸馏损失训练目标检测学生网络；步骤S5:基于训练后的学生网络对解压缩后的图像进行目标检测。本发明专利技术实现从解压缩图像中提取更高质量的图像特征，有效提升了低质量图像的目标检测性能。能。能。

【技术实现步骤摘要】
基于注意力机制蒸馏的解压缩图像目标检测方法及系统


[0001]本专利技术涉及图像目标检测领域，具体涉及一种基于注意力机制蒸馏的解压缩图像目标检测方法及系统。

技术介绍

[0002]作为自动驾驶、智能监控等领域的关键技术，目标检测算法是当今计算机视觉领域中最热门的研究方向之一。近年来，随着深度学习的快速发展，基于深度学习的目标检测方法取得了显著的性能。这些目标检测网络在高质量的干净图像上训练，然而，在一些实际应用场景下，高质量的干净图像难以获得(带宽限制，高质量图像难以传输)，大多图像都是经过解压缩后的图像，图像的压缩必然带来一定图像质量的下降。甚至在一些特定场合中，如野外监控检测，大量的数据需要检测，而由于设备以及带宽的限制，需要采用较大的压缩率对数据进行压缩，在压缩率较大时，解压后的图像质量急剧下降，这使得目标检测网络在针对此类解压缩低质量图像进行检测时，往往出现严重的漏检，错检情况，在实际应用场景下几乎失效。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于注意力机制蒸馏的解压缩图像目标检测方法及系统，实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制蒸馏的解压缩图像目标检测方法，其特征在于，包括以下步骤：步骤S1:获取高质量图像数据集，并将高质量图像数据集通过压缩解压获取对应的解压缩低质量图像数据集；步骤S2:构建目标检测教师网络和目标检测学生网络；步骤S3:基于高质量图像数据集对目标检测教师网络进行训练；步骤S4:基于训练后的目标检测教师网络，加入基于注意力的蒸馏损失训练目标检测学生网络；步骤S5:基于训练后的学生网络对低质量图像进行目标检测。2.根据权利要求1所述的基于注意力机制蒸馏的解压缩图像目标检测方法，其特征在于，所述目标检测教师网络基于YOLOv3或YOLOv5s构建，在训练过程中固定主干网络并移除检测头。3.根据权利要求1所述的基于注意力机制蒸馏的解压缩图像目标检测方法，其特征在于，所述目标检测学生网络基于YOLOv3或YOLOv5s，在YOLOv3或YOLOv5s不同尺度每一分支检测头前添加注意力学习模块。4.根据权利要求3所述的基于注意力机制蒸馏的解压缩图像目标检测方法，其特征在于，所述注意力学习模块包括转置卷积层、N个残差块，和平均池层。5.根据权利要求1所述的基于注意力机制蒸馏的解压缩图像目标检测方法，其特征在于，所述步骤S4具体为：将高质量图像数据集作为训练后的目标检测教师网络的输入，对应的解压缩低质量图像数据集作为目标检测学生网络的输入，固定目标检测教师网络的参数后，将目标检测教师网络提取的高质量特征z
t
和目标检测学生网络提取的低质量特征z
s
计算蒸馏损失L
dis
，其表示如下：其中，z
t
表示从高质量图像x中提取的高质量特征，z
s
表示从解压缩图像提取的退化特征；ω表示尺寸为1
×
C
×
H
×
w的注意图，后一项是由于稀疏性而产生的正则化项；并设置R(ω)＝||ω||1；在蒸馏损失的基础上加上目标检测网络自身的检测损失对学生网络进行训练。6.根据权利要求5所述的基于注意力机制蒸馏的解压缩图像目标检测方法，其特征在于，基于知识蒸馏技术促使解压缩图像退化特征接近高质量图像特征表达为如下式子：其中，θ
s
表示学生网络的参数，t和s分别表示教师网络...

【专利技术属性】
技术研发人员：廖飞龙，刘冰倩，林爽，翁宇游，莫文昊，安康，辛宇晨，郑州，黄建业，杨彦，李扬笛，武欣欣，
申请(专利权)人：国网福建省电力有限公司中国电力科学研究院有限公司，
类型：发明
国别省市：