[發明專利]一種基于注意力機制的改進YOLOv3目標檢測方法

在審

• 申請號: 202011396416.1
• 申請日: 2020-12-04
• 公開（公告）號: CN112508014A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 李永勝;孫長銀;陸科林;徐樂玏
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 杜靜靜

本發明公開了一種基于注意力機制的改進YOLOv3目標檢測方法，在主干網絡Darknet?53中引入注意力模塊SKNet，根據輸入自適應調整卷積核大小，聚焦到感興趣區域；在特征提取網絡的頂部引入空間金字塔池化模塊SPP，增加網絡的感受野；在特征融合網絡中引入通道注意力模塊SENet，為通道分配權重，充分提取通道的有效特征信息。實驗表明，該發明相較于原始YOLOv3模型，可以有效檢測小目標，加快訓練的收斂速度，并在檢測速度不受太大影響的前提下提高檢測精度。

技術領域

本發明涉及一種基于注意力機制的改進YOLOv3目標檢測方法，屬于圖像處理中的目標檢測技術領域。

背景技術

目標檢測作為圖像理解和計算機視覺的基石，它是解決分割、場景的理解、目標的追蹤、圖像描述、事件檢測和活動識別等更具有復雜性和更高層次的視覺任務的基礎。目標檢測在人工智能和信息技術等很多領域都有廣泛的應用，如安保、人機交互、自動駕駛、機器人視覺、消費電子產品、基于內容的圖像檢索、智能視頻監控和增強現實。

目前，基于深度學習的一系列目標檢測算法大致可以分為兩大流派：

1.兩步走(two-stage)算法：先產生候選區域然后再進行CNN分類(R-CNN系列)，

2.一步走(one-stage)算法：直接對輸入圖像應用算法并輸出類別和相應的定位(YOLO系列)。

之前的R-CNN系列雖然準確率比較高，但是即使是發展到Faster R-CNN，檢測速度也僅為7FPS(原文為5FPS)，而YOLO系列則在兼顧準確率的基礎上大大提升了檢測速度，使得檢測的工作能夠用到實時的場景。YOLO的檢測思想不同于R-CNN系列的思想，它將目標檢測作為回歸任務來解決。YOLO神經網絡在一次預測中，直接從完整圖像預測出目標位置和概率，是一種端到端的網絡結構。

YOLOv3是當前應用較多的一種目標檢測方法，對YOLO做出了很多改進，使得網絡在小目標檢測和檢測精度上都得到了較好的改善，并且檢測速度并沒有受到太大影響，依然符合檢測實時性要求。但YOLOv3仍存在以下問題：目標定位的精度不高；訓練收斂速度慢；小目標檢測錯誤率較高。

發明內容

本發明的目的是提供一種基于注意力機制的改進YOLOv3目標檢測方法，一定程度上可以有效檢測小目標，加快訓練的收斂速度，并在檢測速度不受太大影響的前提下提高檢測精度。

為達到此目的，本發明采用以下技術方案：

本發明所述的一種基于注意力機制的改進YOLOv3目標檢測方法，包括以下步驟：

S1：針對一張原始圖像，對其進行預處理，并歸一化為416×416×3，得到訓練樣本；

S2：修改Darknet-53的網絡結構，在每個殘差層Basic Block模塊中均引入自適應卷積核大小的注意力機制；

S3：在Darknet-53頂部引入空間金字塔池化模塊SPP，以增加特征提取網絡的感受野；

S4：用改進后的Darknet-53網絡提取圖像特征，并從網絡的不同深度引出三個尺度的特征圖(feature map)至特征融合支路；

S5：在三條特征融合支路中引入通道注意力機制，為通道分配權重，充分提取通道的有效特征信息；

S6：最后在三條支路上分別預測，得到多尺度目標檢測結果。

作為本發明的進一步技術方案，所述步驟S1中，預處理方式包括隨機旋轉、水平翻轉和標準化處理。

作為本發明的進一步技術方案，所述步驟S2中，在殘差層Basic Block模塊中引入自適應卷積核大小的注意力機制的方法為：