[發明專利]一種改進YOLOv4網絡模型及小目標檢測方法

有效

• 申請號: 202210582016.2
• 申請日: 2022-05-26
• 公開（公告）號: CN114663654B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 燕并男;李嘉欣;張峰川;楊兆昭;張鑫鵬
• 申請（專利權）人: 西安石油大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/40;G06V10/80;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

1.一種改進YOLOv4網絡模型，其特征在于，包括骨干結構網絡模塊、特征融合模塊和多分類器模塊，所述骨干結構網絡模塊用于對目標圖像進行特征提取后輸出由淺至深多層不同尺度的特征圖至所述特征融合模塊，所述特征融合模塊包括特征增強模塊和高效雙重注意力模塊，所述特征融合模塊用于由深至淺逐層對特征圖進行特征增強，并分別與由淺至深下采樣后同一尺度的特征圖對應拼接進行特征融合，將獲得的融合特征圖輸出至所述多分類器模塊，其中，進行特征融合的特征圖包括四倍下采樣后含有底層特征的淺層特征圖，所述多分類器模塊用于對融合特征圖進行分類檢測后輸出目標圖像的檢測結果；

所述特征增強模塊用于采用亞像素卷積對本層特征圖上采樣后進行空洞卷積，將卷積后的該層特征圖與同一尺度的較淺層特征圖拼接獲得拼接特征圖；

所述高效雙重注意力模塊用于基于注意力機制對拼接特征圖中的二維空間特征和一維通道特征進行特征增強后獲得增強特征圖，所述高效雙重注意力模塊包括并行的空間注意力模塊和通道注意力模塊；

其中，所述空間注意力模塊采用1×1卷積降低拼接特征圖的通道數，所述空間注意力模塊采用兩個3×3卷積對拼接特征圖的二維空間特征進行特征增強；

所述通道注意力模塊對拼接特征圖進行批歸一化操作；

所述通道注意力模塊求取拼接特征圖中每個通道的比例因子；

所述通道注意力模塊計算每個比例因子占所有比例因子總和的比例，獲得每個通道的通道權值；

所述通道注意力模塊將每個通道的通道權值與批歸一化后的拼接特征圖相乘后通過Sigmoid操作進行特征映射，實現拼接特征圖中的一維通道特征的特征增強。

2.根據權利要求1所述的一種改進YOLOv4網絡模型，其特征在于，所述特征增強模塊采用并聯的空洞率為1、3、5的空洞卷積和1×1卷積對上采樣后的特征圖進行卷積。

3.根據權利要求1所述的一種改進YOLOv4網絡模型，其特征在于，所述空間注意力模塊采用RELU函數進行特征激活。

4.根據權利要求1所述的一種改進YOLOv4網絡模型，其特征在于，所述通道注意力模塊采用批歸一化對拼接特征圖的一維通道特征進行特征增強。

5.根據權利要求1所述的一種改進YOLOv4網絡模型，其特征在于，所述骨干結構網絡模塊采用CSPDarknet53網絡結構。

6.一種基于改進YOLOv4網絡模型的小目標檢測方法，其特征在于，基于權利要求1-5任一項所述的改進YOLOv4網絡模型，包括如下步驟：

將目標圖像送入改進YOLOv4網絡模型，經所述骨干結構網絡模塊進行特征提取后輸出由淺至深多層不同尺度的特征圖；

所述特征增強模塊由深至淺對每一層特征圖上采樣和卷積后與同一尺度的較淺層特征圖拼接；

拼接后的拼接特征圖送入所述高效雙重注意力模塊對拼接特征圖中的二維空間特征和一維通道特征進行特征增強獲得增強特征圖；

將獲得的增強特征圖與由淺至深下采樣后同一尺度的特征圖進行拼接獲得融合特征圖；

對融合特征圖進行分類檢測后，輸出小目標檢測結果，檢測完成。

7.根據權利要求6所述的一種基于改進YOLOv4模型的小目標檢測方法，其特征在于，所述高效雙重注意力模塊對拼接特征圖中的二維空間特征進行特征增強包括如下步驟：

所述空間注意力模塊采用1×1卷積降低拼接特征圖的通道數；

所述空間注意力模塊采用兩個3×3卷積提取拼接特征圖的空間信息；

卷積完成后所述空間注意力模塊采用RELU函數對拼接特征圖的空間信息進行激活；

激活后所述空間注意力模塊通過Sigmoid操作進行特征映射，實現拼接特征圖中的二維空間特征的特征增強。