买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院声学研究所南海研究站

摘要：本发明公开了一种基于注意力机制及特征交叉融合的目标检测方法及系统，该系统包括骨干网、颈层、特征交叉融合模块和检测头。具体地：首先，通过骨干网对输入图像提取多层次特征。然后，颈层采用特征金字塔网络FPN和路径融合网络PAN，分别自顶向下和自底向上地对不同层次的特征进行融合。特征金字塔网络自顶向下传达强语义特征，而路径融合网络自底向上传达强定位特征。此外，在特征融合过程中，引入注意力机制，从通道维度以及空间维度全方位地学习更丰富的语义信息和细节信息。紧接着，通过特征交叉融合模块，将高层次特征与低层次特征交叉融合，进一步提高特征之间的信息利用率。最后，将融合的特征送至检测头，预测目标类别及目标所在位置。

主权项：1.一种基于注意力机制及特征交叉融合的目标检测方法，所述方法首先对经过预处理的训练集图片提取特征，并对提取的特征分别通过特征金字塔网络、路径融合网络以及特征交叉融合模块进行交叉提炼，并在提炼时引入多种注意力机制，由此得到输出特征后，将输出特征送入检测头得到预测结果，计算预测结果与真实标签之间的损失，根据计算的损失反复训练调整模型参数，直至得到最优模型参数后输出目标检测网络模型，然后将待检测图片输入网络模型得到预测结果，最后，对预测结果进行解码得到待检测图片中目标的位置、类别及其置信度，所述方法在建立目标检测网络模型时包括以下步骤：步骤1数据预处理，将训练所需图片进行缩放增强后按每组B张随机分成M组；步骤2随机读取一组图片，通过N层骨干网对输入图片逐层递进的提取和压缩特征，得到每一层的特征图；步骤3对步骤2中最后一层的层级特征，通过上采样的方式，自顶向下地逐个融合低层次特征，以获得包含更多语义信息的特征；步骤4对步骤3中最后一层特征，通过卷积操作对特征图下采样，自底向上地对高层次特征进行逐层融合，以获得包含更多定位信息的特征；步骤5对步骤4中分辨率较低的两个特征图通过上采样与各自上面层中分辨率相同的特征图进行交叉融合，得到输出特征；步骤6将步骤5中的输出特征送至检测头中进行检测和解码，得到目标在原始输入图像上的预测坐标以及预测类别和置信度；步骤7计算网络预测与真实值之间的损失函数，采用梯度下降法对上述模型中的参数进行更新；反复迭代，直至训练出最优参数组合，输出目标检测网络模型。

全文数据：

权利要求：

百度查询： 中国科学院声学研究所南海研究站 基于注意力机制和特征交叉融合的目标检测方法及系统