一种基于交叉注意力增强的明厨亮灶老鼠检测方法技术

本发明专利技术公开了一种基于交叉注意力增强的明厨亮灶老鼠检测方法，属于小目标检测技术领域。本发明专利技术通过细化分类残差网络实现图像兴趣区域提取，利用交叉注意力Unet检测网络执行老鼠检测任务；转换链接模块有机地连接了两个网络，实现了它们之间的有效特征传递和协同工作，并通过去卷积和卷积操作，确保了高级特征的匹配和可分辨性，实现了丰富的特征提取，增强了在复杂场景下的应用能力；利用细化分类残差网络和交叉注意力机制，有效地捕捉老鼠图像中的语义信息、结构信息和全局上下文信息；交叉注意力机制在老鼠检测中处理前景背景不平衡问题，提高了检测的精确性。

【技术实现步骤摘要】

本专利技术涉及小目标检测，具体涉及一种基于交叉注意力增强的明厨亮灶老鼠检测方法。

技术介绍

1、在明厨亮灶环境下，老鼠的掩码标签大小不到30×30像素，属于小目标检测，并且背景复杂，厨房的环境和老鼠的图像颜色形态区别不大，难以识别。小目标检测技术是计算机视觉领域中的一个重要研究方向，其目标是在图像或视频中精准地检测和定位尺寸较小的目标，如细胞、物体的局部部分等。这一技术在医学影像、自动驾驶、安防监控等领域有着广泛的应用。这一挑战激发了对于在小样本情境下目标检测技术的研究。通常，物体检测和识别包括两个步骤：首先，定位每个目标物体的潜在位置；然后，将对象分类为不同的类别。在深度学习方法蓬勃发展之前，对象检测方法依赖于手动设计的特征，并根据人类对对象的理解设计分类器。为了提高小目标检测的准确性和效率，深度学习被引入小样本目标检测以解决该领域的挑战。与普通物体不同，小物体获取的红外图像通常来自很远的距离，物体的大小通常小于30×30像素。而在后厨老鼠检测中，老鼠的前景和后景图像形态较为接近，上下文信息提取有限。这不可避免地使后厨老鼠检测精确度下降，而且经常淹没在相本文档来自技高网...

【技术保护点】

1.一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于：在所述步骤S1中，具体处理过程如下：

3.根据权利要求1所述的一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于：在所述步骤S2中，细化分类残差网络包括依次连接的四个卷积模块、一个softmax层、一个最大池化层，各卷积模块之间通过残差连接，捕捉在卷积过程中丢失的消息语义信息和结构信息，预处理后老鼠图像输入细化分类残差网络中，经过每一个卷积模块计算后，输出的特征图记作fi，其中i∈{1,2,3,4}，...

【技术特征摘要】

1.一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于：在所述步骤s1中，具体处理过程如下：

3.根据权利要求1所述的一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于：在所述步骤s2中，细化分类残差网络包括依次连接的四个卷积模块、一个softmax层、一个最大池化层，各卷积模块之间通过残差连接，捕捉在卷积过程中丢失的消息语义信息和结构信息，预处理后老鼠图像输入细化分类残差网络中，经过每一个卷积模块计算后，输出的特征图记作fi，其中i∈{1,2,3,4}，表示四个卷积模块，最后一个卷积计算后输出的特征图f4经过一个softmax层与一个最大池化层归约，得到兴趣区域特征图，记为f。

4.根据权利要求3所述的一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于：所述卷积模块均包括一个依次连接的一个3×3的卷积层、一个relu激活函数层与一个bn层。

5.根据权利要求3所述的一种基于交叉注意力增强的明厨亮灶老鼠检测方法，其特征在于：在所述步骤s3中，所述交叉注意力unet检测网络包括四个上采样模块、四个下采样模块、四个跳跃连接层、四个交叉注意力机制模块，四个上采样模块分别通过一个跳跃连接层与对应维度的四个下采样模块连接，所述交叉注意力机制...

【专利技术属性】
技术研发人员：彭力，朱茂中，程颖，范文斌，
申请(专利权)人：科大国创云网科技有限公司，
类型：发明
国别省市：