一种基于注意力指导融合的小目标检测方法技术

本发明专利技术公开了一种基于注意力指导融合的小目标检测方法，包括：为有效地提取并融合小目标特征，设计了注意力指导融合模块(Attention Guide Fusion Module，AGFM)，核心思想是在特征融合过程中加入多个不同的权重指导，在通道和空间维度上对不同尺度的特征图，分配注意力权重，来动态地改变原有固定特征权重的分配方式，提高模型对小目标特征的提取能力。将AGFM应用到YOLOv8s的PANet结构中，并用轻量级上采样算子CARAFE替换掉原始PANet结构中的最近邻上采样方法，进一步提高模型检测能力。本发明专利技术所提出的基于注意力指导融合的小目标检测方法，在小目标场景下具有更高的检测精度。

【技术实现步骤摘要】

本专利技术涉及深度学习及计算机视觉领域，具体涉及一种基于注意力指导融合的小目标检测方法。

技术介绍

1、相较于大中型目标检测而言，小目标检测存在众多亟待突破的难点。由于小目标相对于常规目标的分辨率太小，包含的有效信息少，易混淆在背景噪声中，难以提取到有用的特征，在下采样过程中容易丢失关键特征，导致漏检、误检现象严重；主干网络在对输入图像不断卷积提取特征的过程中，图像分辨率不断降低，这导致分辨率较小的小目标特征信息丢失。fpn通过简单的网络结构改变，在计算量增加较少的情况下，采用多尺度特征融合方式，大幅提升了小目标的检测性能。经典的yolo系列采用panet结构的多尺度特征融合方法，与fpn相比增加了自底向上的特征融合层，同时考虑浅层的高分辨率表征信息和深层的语义信息，以获得语义特征强的特征信息。

2、多尺度特征融合方式有利于提取小目标特征。然而，特征融合会将不同层或分支的特征进行组合，通常操作为特征的简单求和或拼接。这使得模型默认对不同尺度特征图以固定的权重分配特征，而忽视了不同尺度特征图之间的差异。与浅层大尺度特征图相比，深层的小尺度特征图分本文档来自技高网...

【技术保护点】

1.一种基于注意力指导融合的小目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于注意力指导融合的小目标检测方法，其特征在于，在步骤(3)中，对于一个输入的底层特征FL∈RC×H×W，一个输入的高层特征FH∈RC×H×W，SAG的分离注意力指导过程包括以下内容：

3.根据权利要求1所述的一种基于注意力指导融合的小目标检测方法，其特征在于，在步骤(3)中，AAG的聚合注意力指导过程包括以下内容：

【技术特征摘要】

1.一种基于注意力指导融合的小目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于注意力指导融合的小目标检测方法，其特征在于，在步骤(3)中，对于一个输入的底层特征fl∈rc×h×w，一个...

【专利技术属性】
技术研发人员：黄胜，刘成祥，郭晓金，张杰益，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：