一种基于自适应空间特征融合的目标检测方法技术

本发明专利技术公开了一种基于自适应空间特征融合的目标检测方法，首先进行图像预处理，然后采用卷积注意模块来提取图像中的特征，得到特征提取图；采用APAM模块计算得到自适应参数；再采用ASFF模块将特征提取图和自适应参数进行自适应特征融合，得到四个尺度的特征图；最后将四个尺度的特征图进行卷积操作，得到四个目标检测头，采用四个目标检测头进行目标检测。本发明专利技术能够充分融合和适应图像中不同尺度和位置的特征信息，提高了目标检测的准确性和稳定性。稳定性。稳定性。

【技术实现步骤摘要】
一种基于自适应空间特征融合的目标检测方法


[0001]本专利技术涉及图像处理
，具体是一种基于自适应空间特征融合的目标检测方法。

技术介绍

[0002]在图像处理领域，目标检测是一项重要的研究任务。航空遥感图像由于其特殊性，包含了大量的地理信息和复杂的背景场景，因此对于目标快速准确的检测具有一定的挑战性。现有的目标检测方法在处理图像时面临着一些困难，例如尺度变化、目标与背景的复杂交叉等问题，无法快速且准确地检测到图像中的目标。

技术实现思路

[0003]本专利技术要解决的技术问题是提供一种基于自适应空间特征融合的目标检测方法，能够充分融合和适应图像中不同尺度和位置的特征信息，提高了目标检测的准确性和稳定性。
[0004]本专利技术的技术方案为：一种基于自适应空间特征融合的目标检测方法，具体包括有以下步骤：（1）、进行图像预处理，然后采用卷积注意模块来提取图像中的特征，得到特征提取图；（2）、采用APAM模块计算得到自适应参数；（3）、采用ASFF模块将特征提取图和自适应参数进行自适应特征融合，得到四个尺度的特征图；（4）、将四个尺度的特征图进行卷积操作，得到四个目标检测头，采用四个目标检测头进行目标检测。
[0005]所述的图像预处理是将所有的训练图像处理为同一尺寸，输入的待检测图像定义为输入图像x；所有的训练图像采用卷积注意模块、APAM模块、ASFF模块和目标检测头进行训练，得到训练好的网络，输入图像x输入到训练好的网络进行目标检测。
[0006]所述的采用卷积注意模块提取图像特征的具体步骤为：S2.1、采用Focus模块将输入图像x进行切片操作，然后经过一次卷积操作，得到采样特征图f(0)；S2.2、将采样特征图f(0)输入到骨干网络进行特征提取，得到四个不同维度的特征图，具体见下式（1）：；其中，表示Batch Normalization层，即对输入的采样特征图f(0)进行标准化处理；表示ReLU激活函数；表示卷积操作；
S2.3、将四个分别输入到三个C3、六个C3、九个C3和SPP模块中，得到四个，具体见下式（2）：；其中，表示C3模块；模块表示空间金字塔池化；S2.4、将四个分别输入到CBAM模块中，在通道和空间维度上进行特征提取，得到四个特征提取图，具体见下式（3）：。
[0007]所述的APAM模块计算自适应参数的具体步骤为：S3.1、将四个特征提取图输入到GAP模块进行全局平均池化操作，得到四个，具体见下式（4）：；S3.2、将四个通过全连接层FC处理，得到四个特征图的权重向量，具体见下式（5）：；式（5）中，表示全连接层；S3.3、将四个经过ReLU函数处理，得到四个，具体见下式（6）：；S3.4、四个再次通过全连接层FC和Sigmoid函数处理后，得到四个特征权重，具体见下式（7）：；S3.5、将四个采用Concat函数进行组合，得到特征C，具体见下式（8）：；S3.6、将特征C通过全连接层FC和Softmax函数处理，得到一个1
×
4的矩阵，具体见下式（9）：；式（9）中，，分别表示第l层到第1，2，3，4层的特征映射权重，且满足；S3.7、将四个特征提取图通过Conv1d模块的卷积操作，得到四个尺度的特征，并通过Softmax函数处理，得到一个1
×
4的矩阵，具体见下式（10）：；式（10）中，，分别表示第l层到第1，2，3，4层
的特征映射权重，且满足；S3.8、将和分别一一对应并进行平均操作，得到四个自适应参数，具体见下式（11）：。
[0008]所述的ASFF模块进行自适应特征融合，是通过ASFF模块在各个尺度上自适应融合所有层次的特征，得到四个尺度的特征图，具体见式（12）：；式（12）中，表示特征提取图从第i层调整到第j层的特征向量，即分别对四个特征提取图进行上采样或下采样操作，具体见公式（13）：；式（13）中，表示上采样操作，表示下采样操作。
[0009]所述的四个尺度的特征图分别具体为式（14）：。
[0010]所述的四个尺度的特征图进行Conv卷积操作，得到四个目标检测头，具体见下式（15）：。
[0011]所述的四个目标检测头分别检测四种不同尺寸的特征图，并输出检测到目标物体的位置Position和目标物体的类别Class，并将其加载在待检测图像上，最终完成目标检测任务。
[0012]本专利技术的优点：（1）、本专利技术采用四个目标检测头进行图像中目标的检测，可以有效解决目标检测中存在的错检和漏检问题，提高遥感或者是航空图像中小目标和密集目标的检测精度，有效提高了处理目标检测相关复杂性的能力；（2）、本专利技术通过APAM模块计算得到自适应参数，实现后续的自适应空间特征融合，能在增加目标检测网络深度的同时，更好的保留图像纹理等底层特征，并使具有不同尺度的特征互相融合，能够有效提升检测的效果；（3）本专利技术采用ASFF模块将特征提取图和自适应参数进行自适应特征融合，可以有效解决遥感或者是航空图像目标检测任务中背景信息复杂、光照强度不一、图像尺寸不
统一、混淆目标多、数据庞大、数据集缺乏等问题。
附图说明
[0013]图1是本专利技术的流程图。
[0014]图2是本专利技术APAM模块计算自适应参数的流程图。
[0015]图3是实施例中本专利技术目标检测方法与YOLOv7系列算法模型在上的对比图。
[0016]图4是实施例中本专利技术目标检测方法与YOLOv7系列算法模型在：0.95上的对比图。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]见图1和图2，一种基于自适应空间特征融合的目标检测方法，具体包括有以下步骤：（1）、图像预处理：将所有的训练图像处理为同一尺寸，输入的待检测图像定义为输入图像x；所有的训练图像采用下述的卷积注意模块、APAM模块、ASFF模块和目标检测头进行训练，得到训练好的网络，输入图像x输入到训练好的网络（包括有卷积注意模块、APAM模块、ASFF模块和目标检测头）进行目标检测；（2）、采用卷积注意模块来提取图像中的特征，得到特征提取图，具体包括有：S2.1、采用Focus模块将输入图像x进行切片操作，然后经过一次卷积操作，得到采样特征图f(0)；S2.2、将采样特征图f(0)输入到骨干网络进行特征提取，得到四个不同维度的特征图，具体见下式（1）：；其中，表示Batch Normalization层，即对输入的采样特征图f(0)进行标准化处理；表示ReLU激活函数；表示卷积操作；S2.3、将四个分别输入到三个C3、六个C3、九个C3和SPP模块中，得到四个，具体见下式（2）：；其中，表示C3模块, 其结构和作用与CSP模块类似，只是在修正单元的选择上有所不同，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应空间特征融合的目标检测方法，其特征在于：具体包括有以下步骤：（1）、进行图像预处理，然后采用卷积注意模块来提取图像中的特征，得到特征提取图；（2）、采用APAM模块计算得到自适应参数；（3）、采用ASFF模块将特征提取图和自适应参数进行自适应特征融合，得到四个尺度的特征图；（4）、将四个尺度的特征图进行卷积操作，得到四个目标检测头，采用四个目标检测头进行目标检测。2.根据权利要求1所述的一种基于自适应空间特征融合的目标检测方法，其特征在于：所述的图像预处理是将所有的训练图像处理为同一尺寸，输入的待检测图像定义为输入图像x；所有的训练图像采用卷积注意模块、APAM模块、ASFF模块和目标检测头进行训练，得到训练好的网络，输入图像x输入到训练好的网络进行目标检测。3.根据权利要求2所述的一种基于自适应空间特征融合的目标检测方法，其特征在于：所述的采用卷积注意模块提取图像特征的具体步骤为：S2.1、采用Focus模块将输入图像x进行切片操作，然后经过一次卷积操作，得到采样特征图f(0)；S2.2、将采样特征图f(0)输入到骨干网络进行特征提取，得到四个不同维度的特征图，具体见下式（1）：；其中，表示Batch Normalization层，即对输入的采样特征图f(0)进行标准化处理；表示ReLU激活函数；表示卷积操作；S2.3、将四个分别输入到三个C3、六个C3、九个C3和SPP模块中，得到四个，具体见下式（2）：；其中，表示C3模块；模块表示空间金字塔池化；S2.4、将四个分别输入到CBAM模块中，在通道和空间维度上进行特征提取，得到四个特征提取图，具体见下式（3）：。4.根据权利要求3所述的一种基于自适应空间特征融合的目标检测方法，其特征在于：所述的APAM模块计算自适应参数的具体步骤为：S3.1、将四个特征提取图输入到GAP模块进行全局平均池化操作，得到四个，具体见下式（4）：；S3.2、将四个通过全连接层FC处理，得到四个特征图的权重向量，具体见下式（5）：
；式（5）中，表示全连...

【专利技术属性】
技术研发人员：赵洪博，王强，吕书畅，刘秉昊，冯文全，杨旭，
申请(专利权)人：北京航空航天大学合肥创新研究院，
类型：发明
国别省市：