[發(fā)明專利]一種基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建及檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211047649.X
• 申請(qǐng)日: 2022-08-30
• 公開（公告）號(hào): CN115331126A
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 張濤;胡婷婷;朱嘉琪
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06V20/17
• 分類號(hào): G06V20/17;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京禹為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：包括，

構(gòu)建包括訓(xùn)練樣本和測(cè)試樣本的數(shù)據(jù)集；

根據(jù)數(shù)據(jù)集對(duì)基于Yolov5的網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

其中，所述基于Yolov5的網(wǎng)絡(luò)模型以Yolov5網(wǎng)絡(luò)為主干模型，包括特征提取模塊、頸部增強(qiáng)模塊、頭部預(yù)測(cè)模塊；

在所述頸部增強(qiáng)模塊引入GAM注意力機(jī)制，部分卷積采用新的卷積算子；

調(diào)整所述頭部預(yù)測(cè)模塊的特征融合方式，擴(kuò)充初始anchor框的檢測(cè)尺寸；

輸出訓(xùn)練完成后的目標(biāo)檢測(cè)模型。

2.如權(quán)利要求1所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述基于Yolov5的網(wǎng)絡(luò)模型，包括，

特征提取模塊：負(fù)責(zé)目標(biāo)的特征提取；

頸部增強(qiáng)模塊：對(duì)特征提取模塊提取的特征進(jìn)行增強(qiáng)；

頭部預(yù)測(cè)模塊：進(jìn)行目標(biāo)預(yù)測(cè)并得到檢測(cè)結(jié)果。

3.如權(quán)利要求所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述GAM注意力機(jī)制包括通道注意力子模塊和空間注意力子模塊。

4.如權(quán)利要求3所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述通道注意力子模塊使用三維排列來(lái)在三個(gè)維度上保留信息，通過一個(gè)兩層的多層感知器MLP放大跨維度通道-空間依賴性；

所述空間注意力子模塊中使用兩個(gè)卷積層進(jìn)行空間信息融合并刪除最大池化操作。

5.如權(quán)利要求3或4所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述GAM注意力機(jī)制放大全局交互特征并給定特征映射，表示為F₁∈R^C×H×W，其中，中間狀態(tài)F₂和輸出F₃定義如下：

其中，F(xiàn)₁代表輸入狀態(tài)，F(xiàn)₂代表中間狀態(tài)，F(xiàn)₃代表輸出狀態(tài)，M_c,M_s分別為通道注意力圖和空間注意力圖，C、H、W分別表示通道數(shù)，圖像高度，圖像寬度，表示按元素進(jìn)行乘法操作。

6.如權(quán)利要求1所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述新的卷積算子為自卷積算子Involution，包括，將輸入的圖像從單像素x_ij生成對(duì)應(yīng)的核H_ij，表示如下：

其中，用來(lái)索引像素，Η_i,j為生成的核函數(shù)。

7.如權(quán)利要求3所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述調(diào)整頭部預(yù)測(cè)模塊的特征融合方式包括采用QFF作為特征融合方式，通過設(shè)置權(quán)重系數(shù)α，β，γ來(lái)實(shí)現(xiàn)。

8.如權(quán)利要求7所述的基于Yolov5的小目標(biāo)檢測(cè)模型的構(gòu)建方法，其特征在于：所述權(quán)重系數(shù)是通過1*1卷積、softmax函數(shù)處理后再通過反向傳播系數(shù)自動(dòng)生成，表示如下：

其中，x是各個(gè)尺度是輸入，y是在空間上尺度融合后輸出的特征圖。α,β,γ,δ是相應(yīng)的權(quán)重參數(shù)，參數(shù)和為1。

9.如權(quán)利要求1所述的基于Yolov5的小目標(biāo)檢測(cè)方法，其特征在于：所述擴(kuò)充初始anchor框的檢測(cè)尺寸，包括，分別將小目標(biāo)、中目標(biāo)、大目標(biāo)的檢測(cè)尺寸由三個(gè)擴(kuò)充到七個(gè)，擴(kuò)充后表示如下：

-[7,9,9,17,17,15,13,27,19,27,44,40,38,94]#P3/8

-[21,28,36,18,23,47,35,33,96,68,86,152,180,137]#P4/16

-[58,29,43,60,82,46,66,88,140,301,303,264,238,542]#P5/32

-[133,77,111,135,206,137,197,290,436,615,739,380,925,792]#P6/64

10.一種小目標(biāo)檢測(cè)方法，其特征在于：包括，基于權(quán)利要求1所述的小目標(biāo)檢測(cè)模型的構(gòu)建方法得到的小目標(biāo)檢測(cè)模型，對(duì)小目標(biāo)進(jìn)行檢測(cè)，得到檢測(cè)結(jié)果。