一种基于全局注意力跨层特征融合的航空图像目标检测方法技术

本发明专利技术公开了一种基于全局注意力跨层特征融合的航空图像目标检测方法。该方法弥补了类似FPN结构丢失的上下文信息，解决了航空图像中存在的目标尺寸小和目标尺度差异大的问题。基于全局注意力跨层特征融合的航空图像目标检测方法，包括以下步骤：1)获取并划分用于训练与测试该方法的航空数据集；2)建立用于获取低分辨率特征图更大感受野的大核可分离注意关联空间金字塔池；3)建立用于一般目标检测的主干网络结构，并使用大核可分离注意关联空间金字塔池(LKSPPF)替换主干网络中的空间金字塔池(SPPF)；4)建立用于提取深层特征的全局注意力跨层特征融合的Neck结构，通过融合不同尺度的特征以获取全局信息，使用注意力机制突出全局特征图中的前景信息。把全局注意力特征图连接到其它层以使非相邻层之间相互关联；5)建立具有混合回归损失的目标检测头，对经过主干和Neck结构的特征图进行最终的检测，得到检测结果。本发明专利技术提高了非相邻层之间特征信息的相互补充关系，显著提升了航空图像目标检测的准确性。

【技术实现步骤摘要】

本专利技术属于计算机视觉和目标检测领域，具体涉及一种基于全局注意力跨层特征融合航空图像目标检测方法。

技术介绍

1、随着深度学习技术的快速发展，基于深度卷积神经网络的目标检测技术取得了显著进展。但是当这些目标检测方法应用于航空图像时，由于航空图像具有小而密集的目标、显著的尺度变化、复杂的背景和多样的视角等特点，这些算法通常在目标检测方面面临一定的困难。

2、过去，针对航空图像中存在的小而密集的问题，一些研究者提出了fpn及其变体进行多尺度目标检测，使用不用尺寸的预测头检测不同大小的目标，以更好的检测到小目标。针对复杂背景和多样视角的问题，一些研究者使用transformer及其变体改进传统卷积神经网络架构，以提取更多的上下文信息，增加特征图的长距离依赖关系。但是，这些方法都无法在保证实时性的前提下有效解决上述问题。

3、因此，亟需设计一种全局注意力跨层特征融合的航空目标检测方法，在保证实时性的同时提高检测精度，解决上述问题。

4、本专利技术的目的可以通过以下技术方案实现：

5、一种基于全局注意力跨层特征融合的本文档来自技高网...

【技术保护点】

1.一种基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于：所述步骤1)具体做法是：

3.根据权利要求1所述的基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于：所述步骤2)具体做法是：

4.根据权利要求1所述的一种提基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于：所述步骤3)具体做法是：

5.根据权利要求1所述的基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于：所述步骤4)具体做法是：...

【技术特征摘要】

1.一种基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于：所述步骤1)具体做法是：

3.根据权利要求1所述的基于全局注意力跨层特征融合的航空图像目标检测方法，其特征在于：所述步骤2)具体做法是：

4.根...

【专利技术属性】
技术研发人员：梁兴柱，李梦圆，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：