[發明專利]基于注意力機制和改進特征融合的小目標害蟲檢測方法

在審

• 申請號: 202211522257.4
• 申請日: 2022-11-30
• 公開（公告）號: CN115810123A
• 公開（公告）日: 2023-03-17
• 發明（設計）人: 戴凡杰;萬里
• 申請（專利權）人: 重慶大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/40;G06V10/77;G06V10/80;G06V10/82;G06N3/045;G06N3/08
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 王宏松

1.一種基于注意力機制和改進特征融合的小目標害蟲檢測方法，其特征在于，包括以下步驟：

S1，獲取害蟲圖像數據集并進行預處理，所述預處理包括鏡像翻轉和/或隨機旋轉；

S2，將采集的小目標害蟲圖像數據輸入檢測模型進行模型訓練；

S3，將待測的小目標害蟲圖像輸入訓練完畢的檢測模型得到檢測結果。

2.根據權利要求1所述的一種基于注意力機制和改進特征融合的小目標害蟲檢測方法，其特征在于，所述的檢測模型包括：

VGG16網絡，作為主干網絡用于特征提取；在所述VGG16提取特征之后為注意力機制，在所述注意力機制后為特征融合。

3.根據權利要求1所述的一種基于注意力機制和改進特征融合的小目標害蟲檢測方法，其特征在于，所述注意力機制采用CBAM，包括通道注意力模塊和空間注意力模塊，包括如下步驟：

將VGG16提取的特征圖T_S輸入通道注意力模塊，通道注意力模塊對特征圖分別進行最大池化和平均池化，然后分別經過全連接層先降低維度再升高維度，最后將處理之后的特征圖相加；

將相加后的特征圖與VGG16提取的特征圖T_S進行相乘，作為空間注意力模塊的輸入X_S，空間注意力模塊首先在通道維度上進行平均池化和最大池化，然后將他們產生的特征圖進行拼接，然后進行卷積操作，再通過sigmoid激活函數，將通過激活函數的特征圖與特征圖X_S進行相乘操作，得到特征圖K_C，將特征圖K_C與VGG16提取的特征圖T_S相加，得到經過注意力機制的特征圖。

4.根據權利要求1所述的一種基于注意力機制和改進特征融合的小目標害蟲檢測方法，其特征在于，所述特征融合采用改進FPN，包括以下步驟：

S00，通過注意力機制得到若干層特征圖，利用殘差分支將最高層特征圖按照三種不同的比例尺度劃分，并經過自適應池化計算得到三種特征圖adaptpool_features，然后經過卷積操作將所述三種特征圖的通道大小統一；

S10，將大小統一的三種特征圖分別經過最近鄰上采樣，將經過最近鄰上采樣的三種特征圖逐元素相加進行融合特征，得到融合的特征圖；

S20，將所述融合的特征圖與三種特征圖adaptpool_features分別相乘然后逐元素相加來融合特征得到該殘差分支的目標特征圖，然后再與最高層特征圖逐元素相加得到adap_featrue代替高層特征圖；

S30，將adap_featrue與其它層特征圖依次自上而下逐層融合，得到檢測結果。

5.根據權利要求4所述的一種基于注意力機制和改進特征融合的小目標害蟲檢測方法，其特征在于，所述自上而下逐層融合是上層特征圖采用2倍最近鄰上采樣與下層特征圖逐元素相加來融合特征；所述上采樣的低層特征圖權值賦為0.5。

6.根據權利要求4所述的一種基于注意力機制和改進特征融合的小目標害蟲檢測方法，其特征在于，所述檢測模型的損失函數為：

L＝L_{CrossEntropy Loss}+L_Gioi#(6)

其中，L_{CrossEntropy Loss}為類別損失；

L_Giou為位置損失。