基于多尺度卷积注意力的轻量化非授权登录检测方法技术

本发明专利技术提供一种基于多尺度卷积注意力的轻量化非授权登录检测方法。该方法包括：步骤1：采集目标终端的显示界面图像；步骤2：将所述显示界面图像输入至非授权登录检测模型，得到检测结果；其中，所述非授权登录检测模型包括：主干网络、颈部网络和头部网络；所述主干网络为对YOLOv5s的主干网络进行改进后得到；所述改进包括将YOLOv5s的主干网络中的部分C3模块替换为MobileViTv3模块和CPMS模块；所述CPMS模块用于采用多尺度卷积注意力对输入的特征图在通道维度和空间维度上动态分配注意权重。

【技术实现步骤摘要】

本专利技术涉及人工智能、智能监控，尤其涉及一种基于多尺度卷积注意力的轻量化非授权登录检测方法。

技术介绍

1、传统目标检测方法有3个步骤：1)使用不同大小的滑动窗口框住待测图像中的某一部分作为候选区域，然后提取该候选区域相关的视觉特征，比如人脸检测常用的harr特征；2)行人检测和普通目标检测常用的hog特征等；3)使用训练好的分类器进行分类，比如常用的支持向量机svm模型，adaboost、dpm、rf模型等。但是传统目标检测算有着两个主要的缺陷：1)使滑动窗口策略进行区域选择时针对性不强，提高了时间复杂度和窗口冗余；2)手动设计的特征对于目标的多样性并没有很好的鲁棒性。

2、随着深度学习的崛起，目标检测的精度不断提升。根据检测方式的不同，基于深度学习的目标检测算法可以分为两阶段(two-stage)算法和一阶段(one-stage)算法。两阶段算法基于提议的候选区域，先提取目标的候选框，再基于候选框二次修正得到分类和回归的结果；一阶段算法基于边界框的回归，在产生边界框的同时进行分类和回归。yolo(youonly look once)是一系本文档来自技高网...

【技术保护点】

1.基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，包括：

2.根据权利要求1所述的基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，所述改进还包括：将YOLOv5s的主干网络中的SPPF模块替换为A-SPPF模块；所述A-SPPF模块包括：全局平均池化层、SPPF模块和全局最大池化层；对应地，A-SPPF模块的特征融合过程具体包括：

3.根据权利要求1所述的基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，所述CPMS模块包括多尺度卷积通道注意力模块和多尺度深度可分离卷积空间注意力模块；

4.根据权利要求3所述的基于多...

【技术特征摘要】

1.基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，包括：

2.根据权利要求1所述的基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，所述改进还包括：将yolov5s的主干网络中的sppf模块替换为a-sppf模块；所述a-sppf模块包括：全局平均池化层、sppf模块和全局最大池化层；对应地，a-sppf模块的特征融合过程具体包括：

3.根据权利要求1所述的基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，所述cpms模块包括多尺度卷积通道注意力模块和多尺度深度可分离卷积空间注意力模块；

4.根据权利要求3所述的基于多尺度卷积注意力的轻量化非授权登录检测方法，其特征在于，每个所述多尺度卷积通道注意力模块包括深度卷积层、第一分支、第二分支、第三分支和1×1卷积层；所述第一分支依次包括1×k1卷积层和k1×1卷积层；...

【专利技术属性】
技术研发人员：赵昊，王芳芳，舒辉，康绯，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：