一种基于跨阶段局部网络的轻量化目标检测方法与装置制造方法及图纸

本发明专利技术公开了一种基于跨阶段局部网络的轻量化目标检测方法与装置，通过使用BRA‑ELAN模块替换YOLOv7中原有的ELAN模块，提高了对小目标的检测效果；通过使用DCNv3‑ELAN模块替换YOLOv7中原有的ELAN模块，提高了对变形目标的检测性能；此外，使用VoV‑GSDSBCSP模块替换YOLOv7的ELAN‑H模块，在保证YOLOv7的检测精度基本不变的情况下大大降低了网络模型的参数量与复杂度。相比于传统方案，不仅提高了检测精度，显著的加快了检测速度；还可以实现复杂应用环境中的变形目标与小目标的轻量化检测。

【技术实现步骤摘要】

本专利技术涉及目标检测，尤其涉及一种基于跨阶段局部网络的轻量化目标检测方法与装置。

技术介绍

1、目标检测是深度学习应用中的研究热点。然而，在复杂应用场景中高精度的目标检测算法的网络结构往往较为复杂，而且对变形目标与密集分布的小目标的检测效果较差。虽然目前流行的目标检测算法在检测精度与检测速度之间达到了很好的平衡，但对复杂应用环境中的小目标与变形目标的检测效果较差，而且其网络结构的复杂程度仍然很大，这对移动端或资源受限的设备的硬件要求仍然较高，很大程度上限制了其在实际场景中的应用。因此，需要提出一种兼顾网络结构复杂度与检测精度的目标检测算法，这对在复杂场景中实现目标检测具有十分重要的研究价值。

2、前人提出一种改进的yolov7网络模型，该网络模型中利用全维度动态卷积(full-dimensional dynamic convolution，odconv)构造了一种新的elan模块，提高了核空间多维信息的利用率，减少了计算量；将多头自注意力机制(multi-headed self-attentive，mhsa)集成到yolov7的骨干网络中，可本文档来自技高网...

【技术保护点】

1.一种基于跨阶段局部网络的轻量化目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于跨阶段局部网络的轻量化目标检测方法，其特征在于，所述VoV-GSDSBCSP模块包括：两个分支以及连接两个分支输出的拼接层与卷积层，第一分支包含一个卷积层，第二分支包含依次连接的卷积层与GSDSB bottleneck层；VoV-GSDSBCSP模块的输入经过两个分支分别处理后，再由拼接层拼接后经过卷积层处理，获得VoV-GSDSBCSP模块的输出；其中，GSDSB bottleneck层是基于跨阶段局部网络中GS瓶颈进行改进后的结构，即使用分布偏移卷积并引入双层路由注意力机制...

【技术特征摘要】

1.一种基于跨阶段局部网络的轻量化目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于跨阶段局部网络的轻量化目标检测方法，其特征在于，所述vov-gsdsbcsp模块包括：两个分支以及连接两个分支输出的拼接层与卷积层，第一分支包含一个卷积层，第二分支包含依次连接的卷积层与gsdsb bottleneck层；vov-gsdsbcsp模块的输入经过两个分支分别处理后，再由拼接层拼接后经过卷积层处理，获得vov-gsdsbcsp模块的输出；其中，gsdsb bottleneck层是基于跨阶段局部网络中gs瓶颈进行改进后的结构，即使用分布偏移卷积并引入双层路由注意力机制的gsdsbconv。

3.根据权利要求2所述的一种基于跨阶段局部网络的轻量化目标检测方法，其特征在于，所述gsdsb bottleneck层包括：两个分支以及连接两个分支输出的融合层；第一分支包含一个卷积层，第二分支包含依次连接的两个gsdsbconv；gsdsb bottleneck层的输入经过两个分支分别处理后，通过融合层获得gsdsb bottleneck层的输出；

4.根据权利要求1所述的一种基于跨阶段局部网络的轻量化目标检测方法，其特征在于，所述将yolov7网络模型的骨干网络中的一个elan模块替换为bra-elan模块包括：将yolov7网络模型的骨干网络中的...

【专利技术属性】
技术研发人员：曹丹阳，王涌赋，刘方方，高磊，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：